使用forcats包fct_recode()时因撇号格式报错Unknown levels

嘿，我之前处理联合国数据集时也踩过这个一模一样的坑！这个错误90%是因为**智能弯引号（’）和普通直引号（'）**的差异——R对字符的识别完全严格，哪怕只是引号类型不一样，都会被当成两个完全不同的字符串。

快速解决方法 #

方法1：直接复制精确的因子水平

先把有问题列的唯一值输出，复制那个100%准确的国家名称，避免手动输入出错：

# 输出该列的唯一因子水平，拿到精确名称
dput(unique(your_data$country_column))

你会看到类似这样的输出：c("Korea, Dem. People’s Rep.", "China", ...)，把里面的「Korea, Dem. People’s Rep.」直接粘贴到fct_recode()里：

library(forcats)
your_data$country_column <- fct_recode(your_data$country_column,
  "North Korea" = "Korea, Dem. People’s Rep."  # 用复制的精确名称，不要手动打
)

方法2：统一引号格式

如果不想复制，可以先把所有弯引号替换成直引号，再进行重编码：

library(forcats)
library(stringr)

your_data$country_column <- your_data$country_column %>%
  as.character() %>%  # 先转字符型方便替换
  str_replace_all("’", "'") %>%  # 把弯引号批量换成直引号
  as.factor() %>%  # 转回因子
  fct_recode("North Korea" = "Korea, Dem. People's Rep.")  # 用直引号的名称重编码

进阶排查与优化 #

你已经用anti_join()和unique()排查了，这里再给个小技巧：用setdiff()快速对比两个数据框的国家名称差异，能更直观看到所有不匹配的项：

# 查看df1有但df2没有的国家名称
setdiff(df1$country_column, df2$country_column)
# 查看df2有但df1没有的国家名称
setdiff(df2$country_column, df1$country_column)

另外，处理国家名称合并时，其实可以用countrycode包跳过名称拼写的麻烦——直接统一转换成ISO国家代码，再按代码合并，容错率高很多：

library(countrycode)

# 给两个数据框都添加ISO3标准国家代码
df1$iso3c <- countrycode(df1$country_column, "country.name", "iso3c")
df2$iso3c <- countrycode(df2$country_column, "country.name", "iso3c")

# 按ISO代码合并，再也不用纠结名称拼写细节
merged_df <- merge(df1, df2, by = "iso3c", all = TRUE)

内容的提问来源于stack exchange，提问作者Willdebras