R语言批量转换变量为因子并保持0和1水平的方法

问题原因 #

你遇到的因子水平从0/1变成1/2的情况，通常是以下两种原因：

• 部分二元变量的原始存储值实际为1/2（可能数据导入或前期处理时被误转换）
• 转因子时未明确指定水平顺序，R默认按数值/字符排序生成水平，若原始变量存在隐形编码问题就会出现错位

批量处理方案 #

1. 前置转换：自定义函数精准转因子 #

直接用as.factor无法控制水平，写一个自定义函数，自动识别二元0/1变量并保留原始水平，非二元离散变量正常转因子：

# 自定义转换函数：保留0/1水平，其他离散变量正常转因子
convert_to_factor <- function(x) {
  unique_vals <- unique(x[!is.na(x)])
  # 识别0/1二元变量
  if (length(unique_vals) == 2 && all(unique_vals %in% c(0, 1))) {
    factor(x, levels = c(0, 1), labels = c("0", "1"))
  } else {
    as.factor(x)
  }
}

# 批量应用到指定列
data <- data %>% mutate_at(vars(factor_columns), convert_to_factor)

2. 后置修正：修复已转错的因子 #

如果已经完成转换，可批量筛选出水平为1/2的二元因子，修正为0/1：

# 筛选出所有水平为1/2的二元因子列
wrong_factors <- names(data)[sapply(data, function(col) {
  is.factor(col) && length(levels(col)) == 2 && all(levels(col) %in% c("1", "2"))
})]

# 批量修正因子水平
data <- data %>% mutate_at(vars(wrong_factors), ~factor(., levels = c("1", "2"), labels = c("0", "1")))

3. 前置校验：确认原始变量值 #

转因子前先检查待转换列的唯一值，确认是否真的是0/1：

# 输出每个待转换列的非NA唯一值
lapply(data[factor_columns], function(x) unique(x[!is.na(x)]))

通过这个步骤可以快速定位哪些变量的原始值不符合预期，从根源避免问题。

内容的提问来源于stack exchange，提问作者Vojtech Petr