在数据-recommendations中对Likert标度进行重新编码，以学习R作为研究方法？

Question

就在最近，我开始了在R的旅程，终于掌握了事情的诀窍。我有一个非常简单的问题，但我无法找到我正在寻找的答案。

我有一个使用Likert类型量表收集的调查回复数据集。有些范围从非常强烈的分歧到相反的(1-7)，而另一些是1-5。我正在寻找一种简单的方法来重新编码数据集中的每一列，最好在我试图掌握它时使用dplyr包。到目前为止，我有这样的想法：

df是我的dataframe，它包含Q2.1_1: Q2.5_1列，我需要新的已编码的列是数字的，因为它们是当前的因素(我想以后运行描述符)。

这一行的问题是，它创建了一个向量来对其进行重新编码，而不是在我的df数据line中。我不确定是否应该将它附加到df中，或者是否有更好的方法只在df内部进行编辑。

as.numeric(recode(df$Q2.1_1, "Very slightly or not at all"=1, .... etc))

Answer 1

我想你要找的东西如下：

mydata <- data.frame(x = c("A lot", "Some", "Not at all"))

mydata <- mutate(mydata, x_recoded = recode(x, "A lot" = 1, "Some" = 2, "Not at all" = 3))

mydata

           x x_recoded
1      A lot         1
2       Some         2
3 Not at all         3

这一守则是：

1. 创建示例数据
2. 使用dplyr的mutate()函数创建一个新变量x_recoded
3. 将变异后的数据帧mydata重新分配给自己，以便它现在有x_recoded。

recode推断变量是数字，因为数字在编码的右边，所以不需要使用as.numeric。