一、关于葡萄牙语数据集的导入优化 #

先看你提供的导入代码，思路是完全正确的——指定ISO-8859-1编码适配葡萄牙语特殊字符，过滤目标城市数据，再给列重命名。这里给你几个优化建议，同时帮你排查可能遇到的小问题：

优化后的代码示例 #

library(tidyverse)

# 先定义列名，后续直接复用更清晰
col_names <- c("num_zona", "nome_local", "endereco", "nome_municipio", "secoes", "secoes_esp")

locais_vot_SP <- read_delim(
  file = "https://raw.githubusercontent.com/camilagonc/votacao_secao/master/locais_vot_SP.csv",
  locale = locale(encoding = "ISO-8859-1"),
  delim = ",",
  col_names = col_names,  # 直接在读取时指定列名，省去后续单独赋值步骤
  skip = 0  # 如果原数据集第一行不是表头，这里改成1即可，根据实际情况调整
) %>% 
  filter(nome_municipio == "VINHEDO")  # 用重命名后的列名，可读性更强

常见问题排查 #

• 如果导入后仍出现乱码，可以尝试把编码换成"Windows-1252"（和ISO-8859-1高度兼容，有时对葡语特殊字符支持更好）
• 检查secoes和secoes_esp列的类型，如果是数字格式却被识别为字符，可追加mutate(across(c(secoes, secoes_esp), as.numeric))统一转换

二、在R中将文字序列转换为数值序列 #

根据文字序列的不同类型，分享几种常用的处理方法：

1. 文字本身是数字字符（比如"1", "2", "3"） #

直接用as.numeric()转换即可，结合dplyr还能批量处理多列：

# 示例数据
df <- tibble(text_num = c("10", "25", "33", "NA"))

# 转换为数值列
df <- df %>% 
  mutate(num_col = as.numeric(text_num))

注：如果遇到因子类型的数字，需要先转成字符再转数值，即as.numeric(as.character(x))。

2. 文字是分类标签（比如"Baixo", "Médio", "Alto"对应0,1,2） #

方法1：用有序因子映射数值

适合有明确顺序的分类：

df <- tibble(cat_text = c("Baixo", "Médio", "Alto", "Médio"))

df <- df %>% 
  mutate(
    cat_factor = factor(cat_text, levels = c("Baixo", "Médio", "Alto"), ordered = TRUE),
    num_col = as.numeric(cat_factor)  # 返回1,2,3，对应levels的顺序
  )

如果想从0开始计数，改成as.numeric(cat_factor) - 1即可。

方法2：用case_when()自定义数值映射

灵活性更高，适合非顺序或需要自定义数值的分类：

df <- df %>% 
  mutate(num_col = case_when(
    cat_text == "Baixo" ~ 0,
    cat_text == "Médio" ~ 1,
    cat_text == "Alto" ~ 5,  # 可以随意指定对应数值
    TRUE ~ NA_real_  # 处理未匹配到的情况
  ))

方法3：用forcats包快速重编码

如果是因子类型的分类文字，用fct_recode更高效：

library(forcats)

df <- df %>% 
  mutate(
    cat_factor = fct_recode(cat_text, "0" = "Baixo", "1" = "Médio", "5" = "Alto"),
    num_col = as.numeric(as.character(cat_factor))
  )

内容的提问来源于stack exchange，提问作者Camila Gonçalves