如何分离向量中的数值与值标签以实现因子变量的排序和标记？

问题描述 #

给定包含数值-标签映射的字符串，需将数值和对应标签分别提取到独立向量中，用于后续因子变量的排序与标记操作。

示例输入 #

text <- "1 = Less than 1 month; 2 = 1 to 3 months; 3 = More than 4 months, less than 1 year"

解决方案 #

方法一：用stringr包（语法直观）

library(stringr)

# 按分号拆分每个键值对
items <- str_split(text, "; ")[[1]]

# 提取开头的数值部分
numbers <- str_extract(items, "^\\d+")

# 移除"数字 = "前缀，提取标签
characters <- str_remove(items, "^\\d+ = ")

方法二：基础R实现（无需额外包）

# 拆分出每个条目
items <- strsplit(text, "; ")[[1]]

# 拆分每个条目为数值和标签，分别提取
numbers <- sapply(strsplit(items, " = "), `[`, 1)
characters <- sapply(strsplit(items, " = "), `[`, 2)

结果验证 #

执行代码后得到目标向量：

numbers
#> [1] "1" "2" "3"

characters
#> [1] "Less than 1 month"                     "1 to 3 months"                        
#> [3] "More than 4 months, less than 1 year"

后续因子变量处理 #

若需生成有序因子变量，可使用：

# 基于标签生成有序因子
ordered_factor <- factor(characters, levels = characters, ordered = TRUE)

# 或用数值作为底层编码，标签为显示值
ordered_factor <- factor(numbers, levels = numbers, labels = characters, ordered = TRUE)

内容的提问来源于stack exchange，提问作者EML