R函数中用dplyr对指定列仅保留特定值其余重编码的问题

原有代码错误原因 #

1. recode()的第一个参数直接传入col_name会被识别为普通字符串，而非数据框中的对应列，需要用{{ }}（双大括号运算符）捕获用户传入的未加引号的列名
2. mutate中动态列名赋值需要配合:=运算符才能正确识别glue语法的动态列名

正确实现代码 #

版本1：recode实现（兼容因子类型列） #

library(dplyr)

select_data <- function(df, col_name, do_not_change){
  df %>%
    mutate({{col_name}} := recode({{col_name}}, 
                                  !!do_not_change := do_not_change, 
                                  .default = "rest"))
}

版本2：if_else实现（逻辑更直观易修改） #

library(dplyr)

select_data <- function(df, col_name, do_not_change){
  df %>%
    mutate({{col_name}} := if_else({{col_name}} == do_not_change, 
                                   do_not_change, 
                                   "rest"))
}

调用测试 #

调用方式和预期完全一致，测试用例如下：

# 构造测试数据
test_df <- tibble(
  education = c("bachelor", "master", "high school", "bachelor"),
  gender = c("male", "female", "male", "female")
)

# 教育程度场景
education_df <- select_data(test_df, education, 'bachelor')
# 输出education列："bachelor" "rest" "rest" "bachelor"

# 性别场景
gender_df <- select_data(test_df, gender, 'male')
# 输出gender列："male" "rest" "male" "rest"

内容的提问来源于stack exchange，提问作者Tom McDonald