使用dplyr mutate recode循环重编码变量的R语言技术求助

原问题描述 #

我有多年Stata使用经验，刚接触R语言，想通过循环结合条件语句，用dplyr包的mutate和recode函数完成数据重编码，但写的代码有问题，完全无从下手。以下是模拟数据和代码，期望生成v1_1、v2_1、v4_1三个新变量，恳请帮忙分析问题并提供易懂的修正方案，方便后续扩展应用。

原代码 #

library(tidyverse)
library(dplyr)

#my simulated data

v1 <- sample(c(0,1), 200, replace = TRUE)
v2 <- sample(c(0,1), 200, replace = TRUE)
v3 <- sample(c(1:7), 200, replace = TRUE)
v4 <- sample(c(1:5), 200, replace = TRUE)
v5 <- sample(c(1:10), 200, replace = TRUE)
v6 <- sample(c(0:200), 200, replace = TRUE)
dat<-data.frame(v1, v2, v3, v4, v5, v6)

for(m in c("v1", "v2", "v3", "v4", "v5", "v6")){
  
z <-get(m)
j <-min(z)
k <-max(z)

if (j == 0 & k == 1) {
dat <- dat %>% mutate(across(everything()), ifelse (z =="1", 1, 2))
} else if (j>= 1 & k <=5 {
dat <- dat %>% mutate(v4_1 = recode(v4, "1" = 2, "2" = 2, "3" = 2, "4" = 2, "5" = 2)) 
}
}
View(dat)  

期望输出示例 #

v1 v2 v3 v4 v5 v6 v1_1 v2_1 v4_1
1  1  1  5  10  100 1   1     2
0  1  2  3  9   80  2   1     2
1  0  3  2  8   70  1   2     2
0  1  3  1  7   20  2   1     2

原代码问题分析 #

1. 循环逻辑冗余且错误：遍历所有6个变量，但实际只需要处理v1、v2、v4；用get(m)获取变量后，在mutate中直接用z会导致整列被重复赋值，无法针对单个变量生成对应新列。
2. dplyr语法错误：across(everything())写法不符合要求，正确语法是across(变量选择, 处理函数)；第二个else if缺少闭合括号)，导致代码无法运行。
3. 硬编码问题：处理v4时直接写死v4_1，无法扩展到其他同类型变量；条件判断匹配范围后没有针对当前变量处理，而是固定操作v4。
4. 类型匹配错误：v1、v2是数值型变量，原代码用z == "1"字符串比较，会导致逻辑判断失效。

修正方案（两种实现方式） #

方式1：dplyr原生风格（无循环，推荐） #

利用across函数批量处理变量，语法简洁且符合tidyverse规范，方便后续扩展：

library(dplyr)

# 设置随机种子，保证模拟数据可复现
set.seed(123)

# 生成模拟数据
v1 <- sample(c(0,1), 200, replace = TRUE)
v2 <- sample(c(0,1), 200, replace = TRUE)
v3 <- sample(c(1:7), 200, replace = TRUE)
v4 <- sample(c(1:5), 200, replace = TRUE)
v5 <- sample(c(1:10), 200, replace = TRUE)
v6 <- sample(c(0:200), 200, replace = TRUE)
dat <- data.frame(v1, v2, v3, v4, v5, v6)

# 处理0-1编码变量：生成_1后缀新列，规则1→1，0→2
dat <- dat %>%
  mutate(across(c(v1, v2), ~ifelse(.x == 1, 1, 2), .names = "{col}_1"))

# 处理1-5编码变量：生成_1后缀新列，所有值转为2
# 这里recode可以简化为直接返回2，因为所有值都要转成2
dat <- dat %>%
  mutate(across(c(v4), ~2, .names = "{col}_1"))

# 查看前4行验证结果
head(dat, 4)

扩展说明：

• 若新增0-1变量（如v7），只需在c(v1, v2)中加入v7即可；
• 若新增1-5变量（如v8），只需在c(v4)中加入v8即可；
• 若有其他编码规则，直接新增mutate(across(...))语句即可。

方式2：循环实现（满足你尝试循环的需求） #

通过定义规则列表，循环处理不同变量组，结构清晰且易于扩展：

library(dplyr)

set.seed(123)

# 生成模拟数据
v1 <- sample(c(0,1), 200, replace = TRUE)
v2 <- sample(c(0,1), 200, replace = TRUE)
v3 <- sample(c(1:7), 200, replace = TRUE)
v4 <- sample(c(1:5), 200, replace = TRUE)
v5 <- sample(c(1:10), 200, replace = TRUE)
v6 <- sample(c(0:200), 200, replace = TRUE)
dat <- data.frame(v1, v2, v3, v4, v5, v6)

# 定义变量组与对应处理规则
var_rules <- list(
  # 0-1编码变量组
  binary = list(
    vars = c("v1", "v2"),
    rule = function(x) ifelse(x == 1, 1, 2)
  ),
  # 1-5编码变量组
  five_level = list(
    vars = c("v4"),
    rule = function(x) 2 # 等价于recode(x, `1`=2, `2`=2, `3`=2, `4`=2, `5`=2)
  )
)

# 循环处理每个变量组
for (group in names(var_rules)) {
  target_vars <- var_rules[[group]]$vars
  process_func <- var_rules[[group]]$rule
  
  dat <- dat %>%
    mutate(across(all_of(target_vars), process_func, .names = "{col}_1"))
}

# 查看前4行验证结果
head(dat, 4)

扩展说明：

• 新增变量组时，只需在var_rules中添加新的列表项，定义变量名和处理函数即可；
• all_of(target_vars)用于识别字符串形式的变量名，避免dplyr语法报错。

内容的提问来源于stack exchange，提问作者George