R语言如何基于数据字典生成factor因子变量？欢迎purrr实现方案

问题根因 #

• 传入Map的参数长度不匹配：mydata共4列，但你提供的level、label向量仅2个（对应b、c变量），会触发R的短向量循环规则，非目标列也会被错误转换
• 字典中存储的values、valuelabel是逗号分隔的字符串，未拆分为向量直接传入factor()的levels参数，数值型的列原值无法匹配字符串格式的level，全部被识别为不匹配值转为NA

基础R修正实现 #

library(dplyr)

# 预处理字典：拆分出每个因子的levels和labels向量
dict_processed <- dictionary %>%
  filter(type == "select") %>%
  mutate(
    levels = lapply(strsplit(values, ",\\s*"), as.numeric),
    labels = lapply(strsplit(valuelabel, ",\\s*"), c)
  )

# 批量对目标列做因子转换
for (i in seq(nrow(dict_processed))) {
  var_name <- dict_processed$variable[i]
  mydata[[var_name]] <- factor(
    x = mydata[[var_name]],
    levels = dict_processed$levels[[i]],
    labels = dict_processed$labels[[i]]
  )
}

purrr包实现思路 #

用purrr::modify_at精准定位目标列转换，代码更简洁，同时天然保留非因子列的原有值和列顺序：

library(dplyr)
library(purrr)

# 预处理字典生成转换参数
dict_processed <- dictionary %>%
  filter(type == "select") %>%
  mutate(
    levels = lapply(strsplit(values, ",\\s*"), as.numeric),
    labels = lapply(strsplit(valuelabel, ",\\s*"), c)
  )

# 批量转换目标列
mydata <- mydata %>%
  modify_at(
    .at = dict_processed$variable,
    .f = \(col, lvl, lab) factor(col, lvl[[cur_column()]], lab[[cur_column()]]),
    lvl = set_names(dict_processed$levels, dict_processed$variable),
    lab = set_names(dict_processed$labels, dict_processed$variable)
  )

转换后结果和你给出的expectedata完全一致。

内容的提问来源于stack exchange，提问作者Moses