如何用dplyr在R的DataFrame中互换列值？避免替换覆盖

你遇到的覆盖问题确实很常见——先把2改成1之后，原来的1和新生成的1会一起被后续的替换操作改成2，最后完全达不到互换的效果。下面用dplyr和其他R语言方法帮你解决这个问题：

首先先纠正你原始代码里的拼写错误（data.frmae应该是data.frame），正确的原始数据代码是：

data <- data.frame(store=c(122,323,254,435,654,342,234,344), 
                   cluster=c(2,2,2,1,1,3,3,3))

方法1：使用dplyr的recode函数（最简洁） #

recode可以直接指定值的映射关系，一次性完成互换，不会有覆盖问题：

library(dplyr)

# 生成更新后的数据集
data_updated <- data %>%
  mutate(cluster = recode(cluster, `1` = 2, `2` = 1))

这里的反引号是为了明确指代数字值，避免语法歧义，你也可以直接写1 = 2, 2 = 1，效果是一样的。

方法2：使用dplyr的case_when函数（更灵活） #

如果之后需要添加更多替换规则，case_when会更适合，它可以清晰地定义多条件逻辑：

data_updated <- data %>%
  mutate(cluster = case_when(
    cluster == 1 ~ 2,          # 把1换成2
    cluster == 2 ~ 1,          # 把2换成1
    TRUE ~ cluster             # 其他值（比如3）保持原样
  ))

方法3：Base R的ifelse嵌套（无需加载包） #

如果你不想加载dplyr包，用base R的嵌套ifelse也能实现：

data$cluster <- ifelse(data$cluster == 1, 2, 
                       ifelse(data$cluster == 2, 1, data$cluster))

验证结果 #

运行上述任意一种方法后，你都会得到期望的数据集：

store cluster
1   122       1
2   323       1
3   254       1
4   435       2
5   654       2
6   342       3
7   234       3
8   344       3

这些方法的核心都是基于原始值进行判断替换，不会出现先替换后覆盖的问题，完美解决你的需求。

内容的提问来源于stack exchange，提问作者melik