如何用R的dplyr/tidyr对合并后的dplyr数据框重编码列值

看来你已经搞定了数据集合并和初步的列选择、重命名工作，接下来要处理列值重编码对吧？我结合dplyr和tidyr给你几个常用的实操方案，覆盖不同场景：

1. 复杂多条件重编码：用case_when() #

这是最灵活的方式，适合需要按多个规则重编码的场景，比如把分类变量转成自定义标签，或者把连续数值分组。

比如重编码status列，把"Active"改成"当前会员"，"Inactive"改成"过期会员"，同时保留其他未匹配的原始值：

library(dplyr)

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(status = case_when(
    status == "Active" ~ "当前会员",
    status == "Inactive" ~ "过期会员",
    TRUE ~ status  # 兜底：没匹配到的保留原值
  ))

如果是数值型列（比如ComSat满意度分数）按范围分组：

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(ComSat_level = case_when(
    ComSat %in% 1:3 ~ "不满意",
    ComSat %in% 4:6 ~ "一般",
    ComSat %in% 7:10 ~ "满意",
    is.na(ComSat) ~ "未作答"  # 专门处理缺失值
  ))

2. 简单值替换：用recode() #

如果只是把特定值一对一替换，recode()会更简洁，适合规则简单的场景。

比如把status的字符值转成数值标记：

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(status = recode(status,
    "Active" = 1,
    "Inactive" = 0,
    .default = as.numeric(status)  # 保留其他值（如果有的话）
  ))

⚠️ 注意：如果没有指定.default，未匹配到的值会变成NA，记得根据你的数据情况调整。

3. 批量重编码多列：用across() #

如果要同时处理多列（比如所有重要性、满意度相关的列），用across()可以避免重复写代码，效率很高。

比如把所有包含"Impt"和"Sat"的列，从1-5分转成文字标签：

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(across(contains(c("Impt", "Sat")), ~ case_when(
    .x == 1 ~ "完全不重要/不满意",
    .x == 2 ~ "不重要/不满意",
    .x == 3 ~ "一般",
    .x == 4 ~ "重要/满意",
    .x == 5 ~ "非常重要/满意",
    TRUE ~ as.character(.x)
  )))

这里的.x代表当前正在处理的列，contains(c("Impt", "Sat"))会自动匹配所有列名里包含这两个关键词的列，非常灵活。

4. 缺失值重编码：用replace_na()（tidyr工具） #

如果要把缺失值（NA）替换成指定值，tidyr的replace_na()是专门干这个的。

单个列处理：

library(tidyr)

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(status = replace_na(status, "未知"))

批量处理多列的缺失值：

GapAnalysis16 <- GapAnalysis16 %>%
  mutate(across(c(ComImpt, ComSat), replace_na, replace = "未作答"))

根据你的具体需求选对应的方法就好，这些都是日常数据处理里高频用到的技巧～

内容的提问来源于stack exchange，提问作者Ellie