如何识别R数据集中1/2编码的哑变量并转换为0/1编码

解决方案 #

核心逻辑说明 #

你之前的代码问题在于：x %in% c(1,2,NA)是逐元素判断取值，返回的是逻辑矩阵而非列筛选的逻辑向量，无法正确识别目标列。正确的识别逻辑是：判断每列的所有非缺失唯一值是否仅包含1和2，符合该规则的列才需要转换。 #

方法1：基础R实现 #

自动识别目标列+转换

# 识别符合要求的列：非缺失值仅包含1、2
target_cols <- sapply(df, function(x) all(na.omit(unique(x)) %in% c(1,2)))

# 对目标列执行1→0、2→1、NA保留的转换
df[target_cols] <- lapply(df[target_cols], function(x) {
  ifelse(x == 1, 0, ifelse(x == 2, 1, x))
})

已知目标列时直接处理（更适合大数据集）

如果提前明确需要转换的列名（比如本例的A、B），可以跳过识别步骤，大幅提升处理效率：

df[c("A","B")] <- lapply(df[c("A","B")], function(x) {
  ifelse(x == 1, 0, ifelse(x == 2, 1, x))
})

方法2：dplyr管道流实现 #

适合tidyverse生态用户，代码更简洁易读：

library(dplyr)
df <- df %>%
  mutate(across(
    # 自动识别目标列，已知列时可直接替换为.c = c(A,B)
    .cols = where(~all(na.omit(unique(.x)) %in% c(1,2))),
    .fns = ~case_when(
      .x == 1 ~ 0,
      .x == 2 ~ 1,
      TRUE ~ .x
    )
  ))

处理结果验证 #

转换后输出的数据集和原维度完全一致，A、B列完成转换，C、D列保持原值不变：

> df
   A B  C D
1  0 0  0 0
2  1 1  1 1
3  1 1 NA 1
4  0 0  1 1
5  1 1  1 1
6 NA 0  0 0
7 NA 1 NA 0
8  0 0  1 1
9  1 1 NA 1
10 NA 1  0 0

内容的提问来源于stack exchange，提问作者kemajuan