R语言如何高效创建因子数值转换映射字典/参考表

• 测试数据集构造

col_1 = as.factor(c("a", "a", "b", "c", "b", "a"))
col_2 = c(15, 346, 3564, 99, 10, 2)
col_3 = as.factor(c("bb", "a", "g", "f", "bb", "a"))
index = 1:6

# 转换前务必备份原始数据集，避免因子标签丢失
original_data = data.frame(index, col_1, col_2, col_3)
sample_data = original_data

原始数据集预览：

• 已实现的批量因子转数值逻辑

# 识别数据集中所有因子列
indx <- vapply(sample_data, is.factor, logical(1))
vec <- interaction(stack(type.convert(sample_data[,indx], as.is = TRUE)))
sample_data[indx] <- match(vec, unique(vec))

转换后数据集预览：

• 待解决问题
  需要生成原始因子值与转换后数值的映射字典表，之前手动逐列提取映射再用plyr::rbind.fill合并的方式效率极低，适配大量因子列时操作成本过高，需要通用自动化实现方案。手动实现的参考输出效果如下：

通用实现代码 #

通过遍历所有因子列批量提取唯一映射关系，再自动合并为完整字典表，无需手动指定列名，适配任意数量的因子列，仅用base R即可完成，不需要依赖第三方包：

# 提取所有因子列名
factor_cols <- names(which(indx))

# 逐列生成原始值-转换值映射表
map_list <- lapply(factor_cols, function(col){
  tmp <- unique(data.frame(
    orig = original_data[[col]],
    trans = sample_data[[col]]
  ))
  names(tmp) <- c(paste0("original_", col), paste0("transformed_", col))
  tmp$merge_id <- seq_len(nrow(tmp))
  return(tmp)
})

# 合并所有映射表得到最终字典
dictionary_data <- Reduce(
  f = function(x,y) merge(x, y, by = "merge_id", all = TRUE),
  x = map_list
)
dictionary_data$merge_id <- NULL

运行输出的字典表和手动实现效果完全一致，即使数据集中有数十上百个因子列也可以一键生成。

内容的提问来源于stack exchange，提问作者stats_noob