如何优化Likert量表数据转数值的R语言dplyr代码？

先解释你提到的两个关键点： #

• funs()：在旧版dplyr中，它用来打包要批量应用的函数，传给mutate_all这类批量操作函数。不过现在dplyr官方已经不推荐使用funs()了，建议用~表达式或者list()来定义执行逻辑。
• mutate_all的参数：它可以接收一个或多个函数（传多个会生成带后缀的新列），但你原来多次调用mutate_all的写法完全冗余——每一次调用都会遍历所有列，既重复又低效。

几种更优的改进方案： #

方案1：直接提取文本中的数字（最适配你的场景）

你的每个选项文本末尾都跟着对应数值，直接用正则提取数字再转成数值型，一次就能处理所有列：

library(dplyr)
library(stringr)

df <- df %>%
  mutate_all(~ str_extract(., "\\d") %>% as.numeric())

这里的~是dplyr的公式语法，.代表当前处理的列；str_extract(., "\\d")提取文本中的数字字符，最后转成数值型完成转换。

方案2：用映射表做匹配（更灵活，适合量表文本与数值不直接绑定的情况）

先创建一个命名向量，把原始文本和对应数值一一对应，再用recode批量替换：

library(dplyr)

# 构建量表映射关系
likert_map <- c(
  "Very Dissatisfied1" = 1,
  "ModeratelyDissatisfied2" = 2,
  "SlightlyDissatisfied3" = 3,
  "Neither SatisfiedNor Dissatisfied4" = 4,
  "SlightlySatisfied5" = 5,
  "ModeratelySatisfied6" = 6,
  "VerySatisfied7" = 7
)

df <- df %>%
  mutate_all(~ recode(., !!!likert_map))

!!!是rlang包的解引用操作，用来把命名向量拆成recode需要的键值对参数。这种方法的好处是后续量表变动时，只需修改映射表即可，可读性和维护性更强。

方案3：用case_when整合逻辑（适合需要处理异常值的场景）

把所有替换逻辑整合到一个case_when里，还能明确处理匹配不到的异常文本：

library(dplyr)

df <- df %>%
  mutate_all(~ case_when(
    . == "Very Dissatisfied1" ~ 1,
    . == "ModeratelyDissatisfied2" ~ 2,
    . == "SlightlyDissatisfied3" ~ 3,
    . == "Neither SatisfiedNor Dissatisfied4" ~ 4,
    . == "SlightlySatisfied5" ~ 5,
    . == "ModeratelySatisfied6" ~ 6,
    . == "VerySatisfied7" ~ 7,
    TRUE ~ NA_real_ # 匹配不到的内容返回缺失值，避免报错
  ))

额外建议： #

如果你的数据里只有部分列是Likert量表，推荐用mutate_at指定目标列，比mutate_all更精准。比如只处理以q_开头的问题列：

df <- df %>%
  mutate_at(vars(starts_with("q_")), ~ str_extract(., "\\d") %>% as.numeric())

内容的提问来源于stack exchange，提问作者identic0n