如何在R中为数据框的名义分类变量批量匹配对应编码

前置准备 #

首先将你的Town-编码对应关系整理为映射表，支持两种常用格式：

格式1：数据框格式（推荐，适合多字段联合匹配场景） #

# 示例映射表，替换为你实际的编码数据即可
code_map <- data.frame(
  Town = c("Town A", "TownB", "Town Z", "TownA", "TownC", "TownD"),
  town_code = c(23, 15, 7, 23, 32, 41)
)

格式2：命名向量格式（适合单字段快速匹配） #

code_vec <- c("Town A" = 23, "TownB" = 15, "Town Z" = 7, "TownA" = 23, "TownC" = 32, "TownD" = 41)

匹配方法 #

方法1：基础R内置函数实现 #

用命名向量直接索引（单字段匹配最快）

DF$town_code <- code_vec[DF$Town]

用merge函数左连接（多字段匹配通用）

# 单字段匹配
DF_with_code <- merge(DF, code_map, by = "Town", all.x = TRUE)

# 如需同时匹配Town+Ward两个字段的组合编码，修改by参数即可
DF_with_code <- merge(DF, code_map, by = c("Town", "Ward"), all.x = TRUE)

方法2：dplyr包左连接（语法更简洁，适合tidyverse工作流） #

library(dplyr)
# 单字段匹配
DF_with_code <- DF %>% 
  left_join(code_map, by = "Town")

# 多字段联合匹配
DF_with_code <- DF %>% 
  left_join(code_map, by = c("Town", "Ward"))

注意事项 #

• 匹配前建议先统一清理字符串格式，比如用trimws(DF$Town)去掉城镇名前后空格，避免TownA和Town A、 TownB这类格式差异导致匹配失败
• 匹配完成后可以运行sum(is.na(DF_with_code$town_code))统计未匹配成功的行数，及时排查异常值

内容的提问来源于stack exchange，提问作者andrew