使用R语言重编码数值变量的操作顺序与代码实现咨询

直接基于原始数值变量取值完成重编码即可，不需要做「数值转字符再转回数值」的冗余操作，也不需要先重命名变量：

• 原始变量本身是1-5的规则数值编码，直接按数值匹配映射目标值，能规避字符匹配时大小写、多余空格、拼写差异导致的匹配失败问题，出错概率最低
• 取值重编码完成、校验映射关系无误后，再更改变量名、添加值标签即可，避免中途替换变量名导致的代码运行报错
• 编码为"Not Applicable"的取值要直接转成R可识别的数值型缺失值，不要保留字符形式，否则后续做统计分析时变量会被识别为字符型，无法直接参与回归、相关性检验等计算

以下两种实现按需选择即可，代码默认不覆盖原始变量，先生成带_recoded后缀的新变量方便校验。

1. 纯基础R实现（无需安装任何第三方包） #

# 请将下面的df替换为你自己的数据集名称，var1/var2/var3替换为需要重编码的变量名
df <- your_dataset
target_vars <- c("var1", "var2", "var3")

for (v in target_vars) {
  new_col <- paste0(v, "_recoded")
  df[[new_col]] <- NA_real_
  # 按规则映射取值
  df[[new_col]][df[[v]] %in% c(1,2)] <- 0    # 1=Never、2=Rarely 映射为0
  df[[new_col]][df[[v]] %in% c(3,4)] <- 1    # 3=Sometimes、4=Always 映射为1
  df[[new_col]][df[[v]] == 5] <- NA_real_    # 5=Not Applicable 映射为数值型缺失值
}

# 自动输出每个变量的重编码交叉表，校验映射关系是否正确
for (v in target_vars) {
  cat("===== 变量", v, "重编码对应关系 =====\n")
  print(table(原始值 = df[[v]], 重编码值 = df[[paste0(v, "_recoded")]], useNA = "always"))
}

2. dplyr实现（适配tidyverse工作流） #

library(dplyr)

df <- df %>%
  mutate(
    across(
      .cols = c(var1, var2, var3), # 替换为需要重编码的变量名
      .fns = ~ case_when(
        .x %in% c(1, 2) ~ 0,
        .x %in% c(3, 4) ~ 1,
        .x == 5 ~ NA_real_,
        TRUE ~ NA_real_ # 原始数据中的其他异常值统一记为缺失
      ),
      .names = "{.col}_recoded"
    )
  )

# 校验：随机抽取100行查看原始值与重编码值的对应关系
set.seed(123)
print(df %>% select(all_of(target_vars), ends_with("_recoded")) %>% slice_sample(n = 100))

注意：重编码时必须用NA_real_指定数值型缺失，不要直接写NA，否则生成的变量会被识别为逻辑型，后续做数值计算时会触发类型报错；确认映射关系完全正确后，再按需删除原变量、重命名新变量即可。

内容的提问来源于stack exchange，提问作者Sebastian Pintea