在R语言中最短洁地重编码数据框多个变量的方法是什么？

作为经常和社会科学量表数据打交道的人，我太理解你从SPSS转R后，想找到类似RECODE那种简洁批量值转换方法的痛点了！先结合你的需求和试过的方法，给你梳理下最优方案，包括你想要的apply系列简洁写法：

先明确你的核心需求 #

你需要批量对多个变量做量表反转（1↔5、2↔4，3保持不变），最好能像SPSS那样直观看到映射关系，同时支持批量处理，还能选择覆盖原变量或生成新变量。

你当前用的dplyr + recode方案：已经很优，且有更新写法 #

你用的mutate_at + recode其实已经是tidyverse体系里非常直观的方案了，不过在新版dplyr中，mutate_at已经被across()替代，写法更统一：

library(dplyr)
library(car)

# 覆盖原变量
tib <- tib %>% 
  mutate(across(c(v1:v3), ~recode(., "1=5; 2=4; 4=2; 5=1")))

# 生成新变量（类似SPSS的into语法）
tib <- tib %>% 
  mutate(across(c(v1:v3), ~recode(., "1=5; 2=4; 4=2; 5=1"), .names = "{.col}_rec"))

这个方案的优势是完全保留了SPSS式的映射语法，直观易懂，批量处理也很高效，熟悉tidyverse的话，这绝对是优先选择的方案之一。

你想要的apply系列简洁方案 #

如果更倾向于基础R的写法，用lapply可以实现非常简洁的批量处理，不需要手动循环：

# 直接覆盖原变量
tib[vars] <- lapply(tib[vars], function(x) car::recode(x, "1=5; 2=4; 4=2; 5=1"))

# 生成新变量
tib[paste0(vars, "_rec")] <- lapply(tib[vars], function(x) car::recode(x, "1=5; 2=4; 4=2; 5=1"))

这个写法比你之前尝试的循环简洁很多，lapply会自动遍历指定的变量列，完成批量重编码。

更简洁的通用量表反转公式（针对对称量表） #

如果你处理的是对称量表反转（比如1-5、1-7这类），其实可以不用写具体的映射对，用公式最大值+最小值 - 当前值就能一键实现，比如1-5的量表，反转就是6 - x（因为1+5=6），这个方法最简洁高效：

# 基础R写法
tib[vars] <- lapply(tib[vars], function(x) 6 - x)

# dplyr写法
tib <- tib %>% mutate(across(all_of(vars), ~6 - .))

# 生成新变量的dplyr写法
tib <- tib %>% mutate(across(all_of(vars), ~6 - ., .names = "{.col}_rec"))

这个方法不仅代码最短，还自动保留中间值（比如3反转后还是3），完美对应SPSS里的ELSE=COPY逻辑，非常适合规则的量表反转场景。

其他替代方案（供参考） #

如果你不想依赖car包，也可以用dplyr::case_when实现，虽然映射写起来稍长，但逻辑同样清晰：

tib <- tib %>% 
  mutate(across(all_of(vars), ~case_when(
    . == 1 ~ 5,
    . == 2 ~ 4,
    . == 4 ~ 2,
    . == 5 ~ 1,
    TRUE ~ . # 对应ELSE=COPY
  )))

总结 #

• 若处理不规则值转换（非对称量表）：优先选dplyr::across + car::recode或lapply + car::recode，直观且批量高效；
• 若处理规则对称量表反转：直接用最大值+最小值 - x的公式法，代码最简洁；
• 若想生成新变量：不管哪种方法，都可以通过命名新列实现（参考上面的代码示例）。

内容的提问来源于stack exchange，提问作者2freet