数据分析【免费下载链接】dplyrdplyr: A grammar of data manipulation项目地址https://gitcode.com/gh_mirrors/dp/dplyr点击查看免费下载recode_values()与replace_values()是 dplyr 1.2.x 引入的按值匹配重编码函数族前者用于把旧值整体映射成全新向量后者用于对既有向量做局部更新。本文以仓库内的错误快照测试tests/testthat/_snaps/recode-values.md为骨架结合源码实现R/recode-values.R、单元测试tests/testthat/test-recode-values.R与官方 vignettevignettes/recoding-replacing.Rmd系统讲解它们的公式接口、查找表接口、default/unmatched/ptype参数语义、类型稳定性以及如何利用这些函数写出更安全、更不易出错的管道代码。一、函数定位什么是按值重编码dplyr 的重编码与替换函数族共有四个成员可用一张表概括按条件匹配logical按值匹配value重编码case_when()recode_values()替换replace_when()replace_values()重编码Recoding用已有列创建一列全新向量新列类型可以与原列不同替换Replacing对已有列做局部更新结果保持与原列相同类型。case_when()的公式左侧是逻辑条件如score 1当你想做的只是把 1 映射为 Strongly disagree这类一一对应时重复书写score 会非常冗余。recode_values()改为在公式左侧直接写值与首个参数x匹配从而把重复降到最低。其文档定义见 R/recode-values.R明确指出这两个函数按将值与x匹配、取第一个匹配来决定输出位置的值工作可以理解为用查找表重编码一个向量的通用手段。何时用哪一个需要创建全新向量旧值集合与新值集合不同构、甚至类型不同→ 用recode_values()只需局部替换已有向量中的少数几个值 → 用replace_values()。文档中特别强调如果只是在一个既有向量里替换少量值replace_values()永远是更好的选择因为它类型稳定type stable且更准确地表达意图。两个函数在没有任何 case 匹配时的默认行为也截然不同recode_values()落入default默认是缺失值NAreplace_values()保留x中的原始值。二、两套互斥的使用方式两个函数都提供两套互斥的 API...与from/to不能同时给出源码中的determine_implementation()会据此分派实现公式接口recode_values(x, from1 ~ to1, from2 ~ to2)与case_when()风格一致适合 case 数量较少时交互使用查找表接口recode_values(x, from from, to to)适合预先构建好查找表可能来自外部 CSV 文件的场景。以 Likert 量表打分为例先用case_when()data - tibble(score c(1, 2, 3, 4, 5, 2, 3, 1, 4)) data | mutate( score case_when( score 1 ~ Strongly disagree, score 2 ~ Disagree, score 3 ~ Neutral, score 4 ~ Agree, score 5 ~ Strongly agree ) )改用recode_values()后重复消失data | mutate( score score | recode_values( 1 ~ Strongly disagree, 2 ~ Disagree, 3 ~ Neutral, 4 ~ Agree, 5 ~ Strongly agree ) )而查找表接口还能把映射关系彻底移到mutate()之外甚至直接readr::read_csv(lookup.csv)读入likert - tribble( ~from, ~to, 1, Strongly disagree, 2, Disagree, 3, Neutral, 4, Agree, 5, Strongly agree ) data | mutate(score recode_values(score, from likert$from, to likert$to))同一张查找表还能配合across()一次映射多列data_months | mutate(across( starts_with(score), ~ recode_values(.x, from likert$from, to likert$to) ))公式接口的细节规则公式左侧LHS可以是任意长度的向量命中其中任意一个值即算匹配即多对一映射左侧输入会被强制转换cast为x的类型右侧RHS输入会被循环补齐recycle到x的尺寸——对recode_values()再强制转换到它们的公共类型common type对replace_values()则强制转换到x的类型NULL输入会被忽略...是动态 dots[dynamic-dots][rlang::dyn-dots]其中每个参数必须按位置传递、不得命名且必须是两边都有内容的公式。三、参数详解default、unmatched与ptype函数签名源码见 R/recode-values.Rrecode_values( x, ..., from NULL, to NULL, default NULL, unmatched default, ptype NULL ) replace_values( x, ..., from NULL, to NULL )default未匹配位置的兜底值当x中存在from覆盖不到的值时使用默认不提供时使用缺失值NA若提供会被循环补齐到x的尺寸只能在unmatched default时设置参与输出类型ptype的确定输出类型通常取to与default的公共类型NEWS 与文档均如此说明。快照与测试验证了这一点——若to是integer而default是x会报! Cant combine to integer and default character.见 tests/testthat/_snaps/recode-values.md defaultis part ofptypedetermination 一节。default还有尺寸检查recode_values(1:3, 1 ~ 0, default 1:5)会报! Cant recycle default (size 5) to size 3.unmatched未匹配位置的处理策略default默认在未匹配位置使用defaulterror一旦存在未匹配位置就报错。unmatched error是防御性编程利器当你确信映射已覆盖所有情况时它能把漏了一个 case的隐患在运行时立刻暴露。例如data_with_zero - add_row(data, score 0) try({ recode_values( data_with_zero$score, from likert$from, to likert$to, unmatched error ) })快照显示对应错误信息为Error in recode_values(): ! Each location must be matched. x Location 4 is unmatched.缺失值必须显式处理NA默认被视为未匹配即使开启了unmatched error也一样。这是刻意的设计——测试注释tests/testthat/test-recode-values.R解释与其引入一个单独的missing参数把缺失值与其他未匹配值分开处理那会使复杂度指数级上升不如要求你在查找表里显式声明是否期望缺失值。所以若数据中确实可能存在NA就应在查找表中加入NA行likert - add_row(likert, from NA, to NA) recode_values( data_with_missing$score, from likert$from, to likert$to, unmatched error )不过匹配逻辑对NA是精确匹配x中的NA只会被from中的NA命中NA_real_、NA_integer_等有类型的缺失值同样有效NaN与NA也能区分对待参见测试 tests/testthat/test-recode-values.R。ptype输出类型的显式覆盖ptype是recode_values()不含replace_values()的可选参数用于覆盖输出类型。默认输出类型为to与default的公共类型。一旦指定ptype所有参与值公式 RHS、to、default都必须能转换到该类型否则报错。快照中给出了四类典型错误recode_values(1, 1 ~ 0L, ptype character()) # Error: ! Cant convert ..1 (right) integer to character. recode_values(1, from 1, to 0L, ptype character()) # Error: ! Cant convert to integer to character. recode_values(1, from 1, to x, default 0L, ptype character()) # Error: ! Cant convert default integer to character.注意错误信息中的定位当公式序列里夹着NULL时错误仍能指向正确的公式索引..3 (right)因为实现会先保存包含NULL在内的原始索引再丢弃NULL见 R/case-when.R 中eval_formulas()的注释与逻辑。四、类型稳定性replace_values()的核心优势replace_values()的输出与x保持相同类型x的 names 也会保留这正是它与recode_values()最本质的区别。这一特性在因子factor上尤其有价值x - factor(c(a, b)) # 公共类型会是 character但实际使用 x 的类型 replace_values(x, from a, to b) # factor(c(b, b), levels c(a, b)) # 整数向量同理公共类型是 double但输出保持 integer replace_values(1:2, from 1L, to 0) # c(0L, 2L)反过来如果把x中没有的值不在 factor levels 里或x类型无法无损容纳的值作为to就会因通用性损失loss of generality报错。快照中replace_values()type stable 一节tests/testthat/_snaps/recode-values.md完整记录了这类错误例如replace_values(x, c ~ b) # Error in replace_values(): # ! Cant convert from ..1 (right) character to factor38051 due to loss of generality. # * Locations: 1 replace_values(x, from a, to c) # Error in replace_values(): # ! Cant convert from to character to factor38051 due to loss of generality. # * Locations: 1如果确实想把类型改成别的例如整数重编码成字符串那就应该用recode_values()。这种能变类型 vs 必须保持类型的分工让代码意图一目了然也避免类型在管道中被悄悄改掉。五、错误快照全解...与from/to的校验逻辑快照文件 tests/testthat/_snaps/recode-values.md 最核心的价值是把两个函数在非法输入下所有组合的错误信息固定下来。逐一解读如下1....不得命名recode_values(1, foo 1 ~ 2) # Error: ! Arguments in ... must be passed by position, not name. # x Problematic argument: # * foo 1 ~ 2这比case_when()更严格测试注释明确写道 Better thancase_when()!见 tests/testthat/test-recode-values.R。2....中必须是两边都有内容的公式recode_values(1, 1 ~ 1, 2) # 第二项不是公式 # Error: ! Case 2 (2) must be a two-sided formula, not the number 2. recode_values(1, 1 ~ 1, ~2) # 单边公式 # Error: ! Case 2 (~2) must be a two-sided formula, not a one-sided formula.replace_values()报错文本完全一致只是函数名不同。3....与from/to的所有组合校验由determine_implementation()R/recode-values.R实现快照完整覆盖什么都不给recode_values(1)报! \... cant be empty.而replace_values(1)**合法**相当于 no-op原样返回x测试 [tests/testthat/test-recode-values.R](https://link.gitcode.com/i/0dba8b9a17ac16e39019e61853b29742#L349-L352) 验证——源码注释说明此时同样走dots分支只是recode_values()会报错而replace_values() 静默通过...与from同时给出报! Cant supply both \from and ....to 同理只给from或只给to报! Must supply both \from and to.。4. 输入必须是向量recode_values(x, 1 ~ 1) # x 是 lm 对象 # Error: ! x must be a vector, not a lm object. # x Detected incompatible scalar S3 list. ...快照表明replace_values()对x的向量性要求与recode_values()一致见 xmust be a vector 一节。5. 列表型from/to的尺寸与类型检查当from是列表list of vectors时to必须能循环补齐到与该列表相同的长度recode_values(1, from list(1, 2, 3), to c(1, 2)) # Error: ! Cant recycle to (size 2) to size 3.当x本身不是普通向量如list向量而from/to又是列表时会因语义冲突报! Cant convert \from[[1]] to .——这正是快照中 treats listfromandtoas lists of vectors 一节记录的边界行为测试 [tests/testthat/test-recode-values.R](https://link.gitcode.com/i/0dba8b9a17ac16e39019e61853b29742#L263-L302) 同时展示了如需把列表当作普通向量处理应直接使用底层 vctrs 接口vec_recode_values()。六、列表型查找表多对一映射的高级用法查找表接口的from和to都可以是列表且from/to是列表时会被当作vector 的列表处理。由于tribble()能生成列表列这为多对一映射提供了非常优雅的写法。以学校名称标准化为例schools - c( UNC, Chapel Hill, NA, Duke, Duke University, UNC, NC State, ECU, East Carolina ) # from 是列表列每一行把多个旧值归并到一个新值 standardized - tribble( ~from, ~to, c(UNC, Chapel Hill), UNC, c(Duke, Duke University), Duke, c(NC State), NC State, c(ECU, East Carolina), ECU, NA, NA ) recode_values( schools, from standardized$from, to standardized$to, unmatched error )公式接口等价写法是c(UNC, Chapel Hill) ~ UNC这样的多值左侧公式。测试还验证了from列表、to列表分别出现以及同时出现的三种组合tests/testthat/test-recode-values.R并强调一个不变量只要from/to是列表查找表接口与公式接口就同样强大——两者结果完全一致recode_values(x, from list(a, b), to list(0L, 5L)) # 等价于 recode_values(x, a ~ 0L, b ~ 5L)当to也是列表每个to元素本身是向量时to中的每个向量会被循环补齐到x的尺寸实现一个from值映射到一个向量的扩展输出。七、源码实现要点recode_values()与replace_values()的 R 层实现R/recode-values.R非常薄核心逻辑委托给 vctrs 的底层函数vec_recode_values()/vec_replace_values()参数x_arg、from_arg、to_arg、default_arg用于生成带正确参数名的错误信息error_call current_env()保证错误栈指向用户调用处。关键的分派逻辑在eval_formulas_or_from_and_to()与determine_implementation()有...时from_as_list_of_vectors与to_as_list_of_vectors均置为TRUE公式 LHS/RHS 天然是向量列表随后调用eval_formulas()统一求值 LHS/RHS并保留丢弃NULL之前的原始索引以保证错误定位正确走from/to时通过obj_is_list()分别判断from/to是否为列表从而决定是否按列表的向量语义处理参数名错误信息中则显示为from/to而非..1 (left)这类公式索引。这也解释了快照中错误文案的两套来源公式接口的错误指向..1 (left)/..3 (right)公式在...中的位置查找表接口的错误直接指向from/to/default参数名。八、与相关函数的关系与迁移case_match()已弃用源码 R/case-match.R 明确标注case_match()deprecatedrecode_values()/replace_values()是更强大、命名更直观、安全性更好的替代且额外支持unmatched与查找表接口NEWSNEWS.md同步记录了这一软弃用recode()已 supersededR/recode.R 的文档给出迁移指引——整体重编码用recode_values()局部替换用replace_values()coalesce()最常见的NA补值场景其实是replace_values()的化身replace_values(x, NA ~ 0)等价于coalesce(x, 0)且replace_values()能替换任意值而不只是NAna_if()把问题值变成NA时replace_values(x, from c(0, -99), to NA)比连写两次na_if()更直接SQL 对照recode_values()等价于 SQL 的Simple CASECASE x WHEN ... THEN ...而case_when()等价于Searched CASE见 vignettes/recoding-replacing.Rmd Comparisons 一节。九、实践建议小结整体重编码用recode_values()可换类型、可用default/unmatched/ptype局部替换用replace_values()类型稳定、无需写default映射关系较多时把查找表提到管道之外tribble()或读 CSV用from/to接口配合across()可跨列复用需要合并多个旧值到同一新值时用列表列查找表或左侧多值公式开启unmatched error并显式处理NA把漏映射变成编译期式的可捕获错误从case_match()/recode()迁移时按上文规则选择替代函数即可无缝过渡。更多示例可查阅 man/recode-and-replace-values.Rd 与完整 vignette vignettes/recoding-replacing.Rmd。赞分享数据分析【免费下载链接】dplyrdplyr: A grammar of data manipulation项目地址https://gitcode.com/gh_mirrors/dp/dplyr点击查看免费下载相关推荐深入解析 dplyr 的 case_match()匹配语义、错误边界与 recode_values() 迁移指南深入解析 dplyr 的 case_match 匹配语义、错误边界与 recode_values 迁移指南 case_match 是 dplyr 中一个向量数据分析如何安全使用Redux Thunk防御性编程终极指南如何安全使用Redux Thunk防御性编程终极指南 Redux Thunk是Redux生态中最流行的中间件之一它允许开发者编写返回函数而非动作的actio前端Rerun 中 ClassDescriptionMapElem 详解AnnotationContext 语义类映射的编码原理与实战Rerun 中 ClassDescriptionMapElem 详解AnnotationContext 语义类映射的编码原理与实战 导读 ClassDescr数据可视化3D渲染数据分析上一篇Ant Design X组件状态一致性确保AI应用状态在并发操作下的一致性下一篇Lsyncd Auto-Image-Magic 配置实战用 Layer 1 Inlet 构建自动图片格式转换目录创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考