在R语言中拆分KID数据集STRATA列数字并按特征重命名列的方法

我来帮你解决这个问题，这里有两种常用的R语言处理方案，分别是基础R原生方法和tidyverse工具链的简洁实现，你可以根据自己的使用习惯选择：

方法一：基础R原生实现 #

这种方法不需要额外加载包，适合习惯用基础语法的用户：

步骤1：构造示例数据（如果你的数据集已经存在，这步可以跳过） #

KID <- data.frame(STRATA = c(4231, 2321, 3133, 2112, 3212))

步骤2：将数字转为字符并拆分每一位 #

先把STRATA列的数字转为字符类型，这样才能按位置提取每一位：

# 转换为字符
KID$STRATA_char <- as.character(KID$STRATA)

# 按位置提取每一位数字到临时编码列
KID$geo_code <- substr(KID$STRATA_char, 1, 1)    # 第1位：地理位置编码
KID$control_code <- substr(KID$STRATA_char, 2, 2) # 第2位：管控类型编码
KID$loc_teach_code <- substr(KID$STRATA_char, 3, 3) # 第3位：区位/教学属性编码
KID$bed_size_code <- substr(KID$STRATA_char, 4, 4) # 第4位：床位规模编码

步骤3：将编码映射为对应的特征标签 #

用factor()函数把数字编码转换成易读的文字标签，同时保留分类变量的顺序：

# 映射地理位置
KID$Geography <- factor(KID$geo_code,
                        levels = c("1", "2", "3", "4"),
                        labels = c("东北部", "中西部", "南部", "西部"))

# 映射管控类型
KID$Control_Type <- factor(KID$control_code,
                           levels = c("1", "2", "3", "4"),
                           labels = c("政府", "私立非营利", "私立营利", "私立两类均可"))

# 映射区位/教学属性
KID$Location_Teaching <- factor(KID$loc_teach_code,
                                levels = c("1", "2", "3"),
                                labels = c("乡村", "城市非教学", "城市教学"))

# 映射床位规模
KID$Bed_Size <- factor(KID$bed_size_code,
                       levels = c("1", "2", "3"),
                       labels = c("小型", "中型", "大型"))

步骤4：清理临时列（可选） #

如果不需要中间的编码列和字符列，可以删除它们：

KID <- KID[, !names(KID) %in% c("STRATA_char", "geo_code", "control_code", "loc_teach_code", "bed_size_code")]

方法二：tidyverse工具链实现（更简洁） #

如果你熟悉dplyr和stringr包，这种方法代码更紧凑，可读性更强：

步骤1：加载所需包 #

library(dplyr)
library(stringr)

步骤2：一步完成拆分与映射 #

用管道操作%>%把所有步骤串联起来，同时处理补全4位数字的情况（如果你的数据里有不足4位的数字，str_pad会自动在左侧补0，避免提取错误）：

KID_clean <- KID %>%
  # 确保STRATA是4位字符（不足补0）
  mutate(STRATA_char = str_pad(as.character(STRATA), width = 4, side = "left", pad = "0")) %>%
  # 拆分每一位并直接映射为标签
  mutate(
    Geography = factor(str_sub(STRATA_char, 1, 1),
                       levels = c("1","2","3","4"),
                       labels = c("东北部","中西部","南部","西部")),
    Control_Type = factor(str_sub(STRATA_char, 2, 2),
                          levels = c("1","2","3","4"),
                          labels = c("政府","私立非营利","私立营利","私立两类均可")),
    Location_Teaching = factor(str_sub(STRATA_char, 3, 3),
                               levels = c("1","2","3"),
                               labels = c("乡村","城市非教学","城市教学")),
    Bed_Size = factor(str_sub(STRATA_char, 4, 4),
                      levels = c("1","2","3"),
                      labels = c("小型","中型","大型"))
  ) %>%
  # 移除中间字符列（如果不需要保留原始STRATA列，可以加上 `-STRATA`）
  select(-STRATA_char)

补充说明 #

• 如果不需要分类变量（factor类型），可以把factor()换成as.character()，直接得到字符型的标签列。
• 两种方法处理后，你都会得到4个独立的特征列，分别对应地理位置、管控类型、区位/教学属性和床位规模。

内容的提问来源于stack exchange，提问作者Laxmi