如何合并R语言数据框同一列的重复类别？以Education列为例

方法1：直接合并重复类别 #

如果已经明确需要合并的目标类别，可以用以下两种方式统一：

方式A：使用dplyr包 #

library(dplyr)

df_all <- df_all %>%
  mutate(Education = recode(Education,
                            # 将所有该类的变体映射为统一名称
                            "Less than Primary" = "Less than Primary",
                            "Tertiary or above" = "Tertiary or above"))

# 验证合并结果
table(df_all$Education)

方式B：使用基础R（无需额外包） #

# 合并"Less than Primary"的所有变体
df_all$Education[grepl("Less than Primary", df_all$Education)] <- "Less than Primary"
# 合并"Tertiary or above"的所有变体
df_all$Education[grepl("Tertiary or above", df_all$Education)] <- "Tertiary or above"

# 验证合并结果
table(df_all$Education)

方法2：排查重复类别的真实差异 #

若想明确看似相同的类别为何被识别为不同，可以查看字符串的原始字节编码，找出潜在的不可见字符或编码差异：

# 获取Education列的唯一值
unique_edu <- unique(df_all$Education)

# 查看每个唯一值的原始字节
lapply(unique_edu, charToRaw)

根据输出的字节差异，针对性清理，比如移除不可见控制字符：

# 移除所有非打印字符
df_all$Education <- gsub("[^[:print:]]", "", df_all$Education)

# 验证结果
table(df_all$Education)

内容的提问来源于stack exchange，提问作者oohsehun