Recodes (or "renumbers") the categories of variables into new
category values, beginning with the lowest value specified by lowest.
Useful when recoding dummy variables with 1/2 values to 0/1 values, or
recoding scales from 1-4 to 0-3 etc.
recode_to_if() is a scoped variant of recode_to(), where
recoding will be applied only to those variables that match the
logical condition of predicate.
recode_to(x, ..., lowest = 0, highest = -1, append = TRUE, suffix = "_r0")
recode_to_if(
x,
predicate,
lowest = 0,
highest = -1,
append = TRUE,
suffix = "_r0"
)A vector or data frame.
Optional, unquoted names of variables that should be selected for
further processing. Required, if x is a data frame (and no
vector) and only selected variables from x should be processed.
You may also use functions like : or tidyselect's
select-helpers.
See 'Examples' or package-vignette.
Indicating the lowest category value for recoding. Default is 0, so the new variable starts with value 0.
If specified and greater than lowest, all category values larger than
highest will be set to NA. Default is -1, i.e. this argument is ignored
and no NA's will be produced.
Logical, if TRUE (the default) and x is a data frame,
x including the new variables as additional columns is returned;
if FALSE, only the new variables are returned.
Indicates which suffix will be added to each dummy variable.
Use "numeric" to number dummy variables, e.g. x_1,
x_2, x_3 etc. Use "label" to add value label,
e.g. x_low, x_mid, x_high. May be abbreviated.
A predicate function to be applied to the columns. The
variables for which predicate returns TRUE are selected.
x with recoded category values, where lowest indicates
the lowest value; If x is a data frame, for append = TRUE,
x including the recoded variables as new columns is returned; if
append = FALSE, only the recoded variables will be returned. If
append = TRUE and suffix = "", recoded variables will replace
(overwrite) existing variables.
Value and variable label attributes are preserved.
# recode 1-4 to 0-3
dummy <- sample(1:4, 10, replace = TRUE)
recode_to(dummy)
#> [1] 3 3 1 2 2 2 2 1 0 3
# recode 3-6 to 0-3
# note that numeric type is returned
dummy <- as.factor(3:6)
recode_to(dummy)
#> [1] 0 1 2 3
# lowest value starting with 1
dummy <- sample(11:15, 10, replace = TRUE)
recode_to(dummy, lowest = 1)
#> [1] 1 3 4 4 5 2 2 4 2 1
# lowest value starting with 1, highest with 3
# all others set to NA
dummy <- sample(11:15, 10, replace = TRUE)
recode_to(dummy, lowest = 1, highest = 3)
#> [1] NA 3 1 NA 3 NA 2 NA NA 2
# recode multiple variables at once
data(efc)
recode_to(efc, c82cop1, c83cop2, c84cop3, append = FALSE)
#> c82cop1_r0 c83cop2_r0 c84cop3_r0
#> 1 2 1 1
#> 2 2 2 2
#> 3 1 1 0
#> 4 3 0 2
#> 5 2 1 0
#> 6 1 1 2
#> 7 3 1 3
#> 8 2 1 1
#> 9 2 1 2
#> 10 2 1 0
#> 11 2 3 3
#> 12 2 2 2
#> 13 2 1 1
#> 14 2 1 3
#> 15 1 2 2
#> 16 3 1 0
#> 17 2 1 0
#> 18 3 1 0
#> 19 2 1 0
#> 20 2 1 3
#> 21 2 1 2
#> 22 3 0 1
#> 23 2 0 0
#> 24 2 1 1
#> 25 2 1 0
#> 26 1 2 3
#> 27 1 2 2
#> 28 1 1 1
#> 29 2 1 1
#> 30 1 1 0
#> 31 2 1 3
#> 32 2 0 2
#> 33 2 1 1
#> 34 1 1 3
#> 35 2 1 0
#> 36 2 1 0
#> 37 2 3 2
#> 38 2 0 0
#> 39 2 1 2
#> 40 1 2 1
#> 41 3 2 1
#> 42 3 1 0
#> 43 2 1 2
#> 44 2 2 1
#> 45 2 3 1
#> 46 1 2 0
#> 47 2 1 2
#> 48 2 2 1
#> 49 2 1 2
#> 50 1 3 3
#> 51 2 2 3
#> 52 3 1 1
#> 53 1 1 3
#> 54 2 1 2
#> 55 3 1 0
#> 56 3 1 1
#> 57 NA 2 3
#> 58 2 2 1
#> 59 1 1 0
#> 60 1 3 3
#> 61 3 1 3
#> 62 2 1 3
#> 63 2 0 0
#> 64 1 1 1
#> 65 2 1 1
#> 66 2 1 1
#> 67 1 2 0
#> 68 2 1 0
#> 69 2 2 0
#> 70 1 2 3
#> 71 3 0 0
#> 72 2 1 1
#> 73 2 1 0
#> 74 1 2 1
#> 75 2 1 1
#> 76 2 1 0
#> 77 1 3 3
#> 78 2 1 0
#> 79 1 2 0
#> 80 2 1 1
#> 81 3 0 0
#> 82 3 1 0
#> 83 2 1 0
#> 84 2 2 1
#> 85 2 1 2
#> 86 2 1 0
#> 87 2 1 0
#> 88 2 2 1
#> 89 2 2 2
#> 90 2 2 1
#> 91 2 0 0
#> 92 2 1 1
#> 93 2 1 0
#> 94 2 2 0
#> 95 2 1 0
#> 96 2 1 0
#> 97 2 1 1
#> 98 2 1 0
#> 99 2 1 1
#> 100 2 2 3
#> 101 2 1 2
#> 102 2 1 1
#> 103 3 1 0
#> 104 2 1 0
#> 105 2 1 1
#> 106 2 1 1
#> 107 3 1 0
#> 108 3 0 0
#> 109 2 1 0
#> 110 2 1 1
#> 111 2 1 0
#> 112 2 1 1
#> 113 2 2 2
#> 114 3 0 0
#> 115 2 1 1
#> 116 2 1 1
#> 117 2 1 1
#> 118 2 2 2
#> 119 3 1 3
#> 120 2 1 0
#> 121 3 0 0
#> 122 2 2 3
#> 123 2 2 3
#> 124 2 3 3
#> 125 1 1 1
#> 126 2 1 0
#> 127 3 0 0
#> 128 2 1 0
#> 129 2 0 0
#> 130 3 0 1
#> 131 1 1 2
#> 132 2 1 0
#> 133 2 1 0
#> 134 0 1 2
#> 135 3 1 1
#> 136 2 1 1
#> 137 2 3 2
#> 138 3 0 0
#> 139 3 0 1
#> 140 2 1 0
#> 141 2 1 1
#> 142 2 1 0
#> 143 1 2 1
#> 144 3 1 0
#> 145 2 1 1
#> 146 2 1 1
#> 147 3 1 0
#> 148 2 1 1
#> 149 2 1 0
#> 150 2 1 1
#> 151 3 1 0
#> 152 3 1 1
#> 153 2 0 0
#> 154 3 1 2
#> 155 3 1 0
#> 156 2 0 1
#> 157 1 0 0
#> 158 3 3 0
#> 159 2 1 1
#> 160 2 1 0
#> 161 2 1 0
#> 162 2 1 3
#> 163 0 2 0
#> 164 2 1 0
#> 165 2 1 0
#> 166 3 2 1
#> 167 3 3 0
#> 168 2 1 0
#> 169 1 2 0
#> 170 2 1 0
#> 171 2 1 0
#> 172 3 1 2
#> 173 2 1 0
#> 174 3 1 1
#> 175 3 0 1
#> 176 2 1 0
#> 177 1 1 0
#> 178 2 1 1
#> 179 3 0 0
#> 180 3 1 0
#> 181 3 1 1
#> 182 2 1 1
#> 183 2 1 2
#> 184 2 1 0
#> 185 2 1 1
#> 186 2 2 0
#> 187 3 2 2
#> 188 1 2 2
#> 189 2 0 0
#> 190 2 1 1
#> 191 2 2 2
#> 192 2 3 0
#> 193 2 1 0
#> 194 2 1 0
#> 195 2 1 0
#> 196 2 0 0
#> 197 2 1 1
#> 198 2 2 0
#> 199 2 1 1
#> 200 2 0 0
#> 201 3 0 0
#> 202 1 2 3
#> 203 3 0 0
#> 204 1 2 1
#> 205 3 0 0
#> 206 2 2 0
#> 207 2 1 0
#> 208 3 1 1
#> 209 2 1 2
#> 210 2 1 0
#> 211 2 1 1
#> 212 1 2 1
#> 213 2 0 1
#> 214 1 1 0
#> 215 3 0 3
#> 216 2 0 0
#> 217 3 1 1
#> 218 2 1 0
#> 219 3 1 1
#> 220 3 0 0
#> 221 2 1 0
#> 222 2 2 2
#> 223 2 1 0
#> 224 2 1 0
#> 225 2 3 0
#> 226 2 1 0
#> 227 2 2 0
#> 228 1 3 1
#> 229 2 0 1
#> 230 2 3 0
#> 231 2 2 2
#> 232 2 3 3
#> 233 3 1 0
#> 234 2 2 0
#> 235 1 1 0
#> 236 2 1 1
#> 237 3 1 1
#> 238 2 1 0
#> 239 3 1 0
#> 240 2 1 0
#> 241 2 0 1
#> 242 2 1 0
#> 243 2 1 1
#> 244 2 1 0
#> 245 2 1 0
#> 246 2 1 0
#> 247 2 0 0
#> 248 2 1 0
#> 249 2 1 0
#> 250 2 1 0
#> 251 2 1 0
#> 252 2 1 1
#> 253 2 1 0
#> 254 2 0 2
#> 255 2 1 1
#> 256 1 2 2
#> 257 2 1 0
#> 258 2 3 0
#> 259 2 1 2
#> 260 2 1 1
#> 261 1 1 0
#> 262 2 1 3
#> 263 2 1 1
#> 264 2 2 1
#> 265 3 0 1
#> 266 2 0 0
#> 267 2 1 3
#> 268 2 3 1
#> 269 2 1 0
#> 270 1 3 2
#> 271 2 0 0
#> 272 2 0 1
#> 273 2 1 1
#> 274 3 0 1
#> 275 2 2 1
#> 276 3 2 0
#> 277 2 1 0
#> 278 2 1 1
#> 279 3 1 0
#> 280 2 1 0
#> 281 2 1 0
#> 282 2 0 0
#> 283 2 1 0
#> 284 2 1 0
#> 285 2 1 0
#> 286 2 0 0
#> 287 1 1 0
#> 288 2 1 0
#> 289 2 2 2
#> 290 1 2 2
#> 291 1 1 0
#> 292 3 0 0
#> 293 3 0 0
#> 294 3 0 0
#> 295 2 1 0
#> 296 2 1 0
#> 297 2 1 2
#> 298 3 0 0
#> 299 2 0 1
#> 300 3 0 0
#> 301 2 1 1
#> 302 1 1 0
#> 303 3 2 1
#> 304 2 1 1
#> 305 2 1 0
#> 306 3 1 3
#> 307 1 1 2
#> 308 2 1 0
#> 309 2 1 0
#> 310 2 0 0
#> 311 2 1 0
#> 312 2 1 1
#> 313 2 1 2
#> 314 2 1 0
#> 315 2 1 0
#> 316 2 2 3
#> 317 2 1 1
#> 318 2 1 1
#> 319 2 1 1
#> 320 3 1 0
#> 321 2 1 0
#> 322 3 2 0
#> 323 2 1 0
#> 324 2 2 0
#> 325 2 1 0
#> 326 2 1 0
#> 327 2 2 0
#> 328 2 1 1
#> 329 3 1 0
#> 330 2 1 0
#> 331 3 1 0
#> 332 2 1 0
#> 333 2 1 1
#> 334 2 0 2
#> 335 3 0 0
#> 336 3 0 1
#> 337 2 2 0
#> 338 3 0 0
#> 339 2 2 0
#> 340 3 0 0
#> 341 2 1 0
#> 342 2 1 0
#> 343 2 1 0
#> 344 3 0 0
#> 345 2 1 0
#> 346 3 0 1
#> 347 2 0 0
#> 348 2 2 3
#> 349 3 0 0
#> 350 3 1 0
#> 351 2 1 0
#> 352 3 0 0
#> 353 2 1 0
#> 354 3 0 1
#> 355 2 0 1
#> 356 1 3 2
#> 357 2 1 0
#> 358 2 1 2
#> 359 2 1 1
#> 360 3 0 0
#> 361 2 1 1
#> 362 2 1 0
#> 363 3 0 0
#> 364 3 1 0
#> 365 3 0 0
#> 366 3 0 0
#> 367 3 0 0
#> 368 2 1 1
#> 369 2 1 1
#> 370 2 0 0
#> 371 2 0 0
#> 372 2 1 0
#> 373 2 1 2
#> 374 1 3 0
#> 375 2 1 1
#> 376 2 2 1
#> 377 3 1 0
#> 378 3 0 0
#> 379 2 0 1
#> 380 2 1 0
#> 381 1 1 3
#> 382 2 1 1
#> 383 1 1 1
#> 384 2 3 1
#> 385 2 1 0
#> 386 2 1 0
#> 387 3 0 0
#> 388 2 1 1
#> 389 2 1 1
#> 390 2 1 1
#> 391 2 2 0
#> 392 1 1 1
#> 393 1 2 0
#> 394 2 1 2
#> 395 2 1 1
#> 396 2 1 2
#> 397 2 1 2
#> 398 2 1 1
#> 399 2 2 0
#> 400 2 0 0
#> 401 2 1 0
#> 402 2 1 0
#> 403 3 3 3
#> 404 3 1 0
#> 405 2 1 0
#> 406 2 1 0
#> 407 2 1 0
#> 408 2 1 0
#> 409 2 1 1
#> 410 2 1 1
#> 411 2 1 1
#> 412 2 1 0
#> 413 2 1 0
#> 414 2 1 0
#> 415 2 1 0
#> 416 1 1 0
#> 417 1 2 0
#> 418 2 1 0
#> 419 2 2 2
#> 420 2 1 0
#> 421 3 1 1
#> 422 2 0 0
#> 423 2 1 1
#> 424 2 1 0
#> 425 2 1 0
#> 426 3 1 3
#> 427 2 1 1
#> 428 2 1 0
#> 429 2 1 1
#> 430 3 1 0
#> 431 2 1 0
#> 432 1 1 1
#> 433 2 1 1
#> 434 2 1 0
#> 435 2 2 0
#> 436 2 1 1
#> 437 1 1 1
#> 438 2 1 1
#> 439 3 0 1
#> 440 2 1 1
#> 441 2 1 1
#> 442 2 1 1
#> 443 2 3 3
#> 444 2 1 0
#> 445 1 1 1
#> 446 2 1 1
#> 447 2 1 1
#> 448 2 1 1
#> 449 2 1 1
#> 450 2 1 1
#> 451 3 1 0
#> 452 2 1 0
#> 453 2 1 0
#> 454 3 0 0
#> 455 3 0 0
#> 456 1 2 1
#> 457 3 0 0
#> 458 2 0 0
#> 459 2 0 0
#> 460 3 1 0
#> 461 2 0 0
#> 462 2 0 0
#> 463 2 1 1
#> 464 2 1 2
#> 465 1 1 0
#> 466 2 3 0
#> 467 2 3 1
#> 468 3 0 0
#> 469 2 0 1
#> 470 3 0 0
#> 471 2 3 0
#> 472 3 0 0
#> 473 2 1 0
#> 474 2 1 0
#> 475 3 0 0
#> 476 3 0 0
#> 477 2 1 0
#> 478 2 2 1
#> 479 3 0 0
#> 480 2 1 0
#> 481 2 2 2
#> 482 2 0 0
#> 483 3 1 0
#> 484 2 2 0
#> 485 2 1 0
#> 486 3 1 0
#> 487 3 1 1
#> 488 2 0 0
#> 489 3 0 0
#> 490 3 1 0
#> 491 3 1 1
#> 492 2 0 1
#> 493 2 1 2
#> 494 2 1 1
#> 495 2 2 1
#> 496 2 0 1
#> 497 2 0 0
#> 498 2 1 1
#> 499 1 3 2
#> 500 3 0 1
#> 501 2 2 2
#> 502 3 1 0
#> 503 3 1 0
#> 504 3 2 2
#> 505 3 1 2
#> 506 2 2 1
#> 507 2 1 1
#> 508 2 2 1
#> 509 2 1 1
#> 510 1 2 1
#> 511 2 1 0
#> 512 1 2 1
#> 513 2 1 1
#> 514 2 0 0
#> 515 3 0 0
#> 516 1 2 2
#> 517 3 0 1
#> 518 2 2 2
#> 519 2 3 1
#> 520 2 1 1
#> 521 2 0 0
#> 522 2 3 3
#> 523 2 1 0
#> 524 3 0 1
#> 525 3 0 0
#> 526 2 0 1
#> 527 2 1 0
#> 528 2 1 0
#> 529 2 0 0
#> 530 2 1 0
#> 531 2 1 1
#> 532 3 0 0
#> 533 2 1 1
#> 534 2 0 0
#> 535 2 1 0
#> 536 3 0 0
#> 537 2 1 0
#> 538 1 1 0
#> 539 1 2 0
#> 540 2 1 1
#> 541 1 1 1
#> 542 2 1 0
#> 543 2 0 1
#> 544 2 0 1
#> 545 3 0 0
#> 546 2 1 0
#> 547 3 0 0
#> 548 2 2 2
#> 549 1 3 2
#> 550 2 0 0
#> 551 3 1 0
#> 552 3 1 0
#> 553 3 1 0
#> 554 3 0 0
#> 555 2 0 0
#> 556 3 0 0
#> 557 2 2 3
#> 558 3 3 3
#> 559 2 1 2
#> 560 3 3 3
#> 561 2 2 1
#> 562 3 1 0
#> 563 2 1 1
#> 564 2 0 0
#> 565 3 1 0
#> 566 3 0 0
#> 567 3 0 0
#> 568 2 1 0
#> 569 2 1 0
#> 570 1 2 3
#> 571 2 2 2
#> 572 2 1 0
#> 573 2 3 1
#> 574 1 1 1
#> 575 3 1 0
#> 576 2 1 0
#> 577 2 1 0
#> 578 2 1 2
#> 579 3 0 0
#> 580 2 1 1
#> 581 2 1 0
#> 582 2 1 1
#> 583 1 1 1
#> 584 1 2 0
#> 585 3 1 1
#> 586 1 2 2
#> 587 2 1 0
#> 588 3 1 1
#> 589 2 1 0
#> 590 2 0 0
#> 591 2 1 0
#> 592 1 2 1
#> 593 2 2 1
#> 594 2 2 0
#> 595 3 0 0
#> 596 2 1 3
#> 597 1 2 2
#> 598 3 1 0
#> 599 1 2 2
#> 600 2 1 1
#> 601 2 1 2
#> 602 2 1 0
#> 603 2 2 3
#> 604 3 0 0
#> 605 2 0 0
#> 606 1 0 0
#> 607 2 1 3
#> 608 2 2 1
#> 609 2 2 2
#> 610 3 0 0
#> 611 2 2 0
#> 612 2 1 1
#> 613 1 1 1
#> 614 3 1 0
#> 615 3 1 3
#> 616 2 1 0
#> 617 3 1 0
#> 618 3 1 0
#> 619 2 1 0
#> 620 2 1 1
#> 621 2 1 0
#> 622 2 0 0
#> 623 2 1 0
#> 624 3 0 0
#> 625 1 2 2
#> 626 2 1 0
#> 627 2 2 0
#> 628 2 2 0
#> 629 2 1 0
#> 630 3 0 0
#> 631 2 0 0
#> 632 2 1 0
#> 633 1 1 0
#> 634 3 1 1
#> 635 2 2 2
#> 636 1 1 1
#> 637 2 1 0
#> 638 2 1 0
#> 639 2 1 0
#> 640 2 1 3
#> 641 2 1 1
#> 642 2 3 1
#> 643 3 1 0
#> 644 3 1 1
#> 645 3 1 0
#> 646 2 1 1
#> 647 2 0 0
#> 648 2 1 0
#> 649 2 1 0
#> 650 2 1 0
#> 651 2 1 0
#> 652 2 1 0
#> 653 2 2 0
#> 654 2 1 0
#> 655 3 0 0
#> 656 3 1 0
#> 657 2 1 1
#> 658 2 1 0
#> 659 3 0 0
#> 660 2 1 2
#> 661 2 0 0
#> 662 2 1 1
#> 663 1 1 1
#> 664 2 1 0
#> 665 2 1 0
#> 666 2 2 0
#> 667 1 2 0
#> 668 2 1 0
#> 669 2 1 0
#> 670 2 1 1
#> 671 2 1 0
#> 672 2 1 0
#> 673 2 1 1
#> 674 2 1 0
#> 675 1 1 3
#> 676 2 1 0
#> 677 2 1 0
#> 678 2 1 1
#> 679 1 1 0
#> 680 2 0 0
#> 681 3 1 0
#> 682 3 0 0
#> 683 2 0 0
#> 684 2 1 0
#> 685 2 1 0
#> 686 2 1 1
#> 687 2 1 0
#> 688 2 1 0
#> 689 1 1 1
#> 690 2 1 1
#> 691 3 0 0
#> 692 2 2 1
#> 693 2 1 1
#> 694 2 1 0
#> 695 3 1 0
#> 696 1 1 1
#> 697 1 3 2
#> 698 2 1 0
#> 699 2 1 0
#> 700 1 2 1
#> 701 2 1 1
#> 702 2 1 1
#> 703 2 1 1
#> 704 2 1 0
#> 705 2 1 0
#> 706 2 1 1
#> 707 2 1 0
#> 708 3 0 0
#> 709 2 1 0
#> 710 3 0 0
#> 711 2 1 0
#> 712 1 3 2
#> 713 2 1 0
#> 714 2 1 1
#> 715 2 1 0
#> 716 2 1 0
#> 717 2 1 1
#> 718 2 1 0
#> 719 2 0 0
#> 720 2 1 1
#> 721 2 1 0
#> 722 2 1 0
#> 723 2 1 0
#> 724 2 1 1
#> 725 2 1 2
#> 726 2 1 1
#> 727 2 1 1
#> 728 2 0 0
#> 729 2 2 1
#> 730 2 1 0
#> 731 2 1 0
#> 732 2 3 2
#> 733 3 1 0
#> 734 2 2 1
#> 735 3 1 0
#> 736 2 1 0
#> 737 2 0 0
#> 738 1 1 0
#> 739 3 1 1
#> 740 2 0 0
#> 741 2 1 2
#> 742 3 0 0
#> 743 1 1 3
#> 744 2 0 0
#> 745 1 1 0
#> 746 3 0 1
#> 747 2 0 0
#> 748 2 1 0
#> 749 2 1 0
#> 750 2 1 1
#> 751 3 0 0
#> 752 3 0 0
#> 753 2 1 1
#> 754 2 1 1
#> 755 1 1 1
#> 756 2 1 1
#> 757 3 1 0
#> 758 2 0 0
#> 759 2 1 0
#> 760 3 1 0
#> 761 2 0 0
#> 762 2 2 1
#> 763 3 0 0
#> 764 2 1 0
#> 765 3 0 0
#> 766 2 1 0
#> 767 2 1 2
#> 768 3 0 0
#> 769 3 0 0
#> 770 3 2 0
#> 771 3 0 0
#> 772 3 0 0
#> 773 2 1 0
#> 774 2 0 0
#> 775 3 0 0
#> 776 1 1 1
#> 777 2 1 0
#> 778 2 1 0
#> 779 3 1 1
#> 780 2 2 0
#> 781 2 1 0
#> 782 1 1 1
#> 783 2 0 0
#> 784 2 0 1
#> 785 2 1 0
#> 786 2 1 0
#> 787 1 2 2
#> 788 2 1 0
#> 789 2 2 0
#> 790 3 1 0
#> 791 3 1 0
#> 792 3 1 0
#> 793 2 0 0
#> 794 2 1 2
#> 795 2 0 0
#> 796 2 1 1
#> 797 2 1 1
#> 798 2 1 0
#> 799 2 0 0
#> 800 2 1 1
#> 801 2 1 0
#> 802 3 2 2
#> 803 2 1 3
#> 804 2 3 0
#> 805 2 1 0
#> 806 2 1 1
#> 807 2 1 0
#> 808 2 1 0
#> 809 3 1 0
#> 810 2 2 0
#> 811 3 1 0
#> 812 2 1 0
#> 813 3 1 0
#> 814 2 1 1
#> 815 3 1 0
#> 816 2 1 0
#> 817 2 2 0
#> 818 2 1 0
#> 819 2 0 0
#> 820 2 1 1
#> 821 3 0 0
#> 822 2 3 2
#> 823 2 2 1
#> 824 1 2 1
#> 825 3 2 1
#> 826 3 1 1
#> 827 2 2 3
#> 828 2 2 0
#> 829 1 1 1
#> 830 2 1 0
#> 831 3 0 0
#> 832 2 2 0
#> 833 3 0 0
#> 834 3 1 0
#> 835 3 1 0
#> 836 2 2 0
#> 837 2 1 0
#> 838 3 0 0
#> 839 2 0 0
#> 840 2 1 3
#> 841 2 1 1
#> 842 2 1 1
#> 843 3 0 1
#> 844 2 0 1
#> 845 3 0 0
#> 846 3 1 0
#> 847 3 0 0
#> 848 2 1 0
#> 849 2 1 0
#> 850 3 1 0
#> 851 2 1 0
#> 852 2 1 0
#> 853 2 2 0
#> 854 3 0 0
#> 855 2 1 0
#> 856 2 1 0
#> 857 3 0 0
#> 858 2 1 1
#> 859 2 1 1
#> 860 3 0 0
#> 861 3 1 0
#> 862 2 1 1
#> 863 2 1 0
#> 864 2 1 0
#> 865 2 1 0
#> 866 2 1 0
#> 867 2 1 0
#> 868 2 1 0
#> 869 2 1 1
#> 870 3 0 0
#> 871 3 0 0
#> 872 2 1 0
#> 873 2 1 0
#> 874 1 1 0
#> 875 3 0 0
#> 876 2 1 1
#> 877 2 1 1
#> 878 2 1 0
#> 879 2 2 3
#> 880 2 1 0
#> 881 2 1 0
#> 882 2 0 0
#> 883 2 1 0
#> 884 1 2 1
#> 885 1 2 1
#> 886 2 2 3
#> 887 0 2 1
#> 888 2 1 0
#> 889 3 1 0
#> 890 2 1 0
#> 891 3 0 0
#> 892 2 1 0
#> 893 3 1 2
#> 894 2 2 3
#> 895 2 1 0
#> 896 2 1 0
#> 897 1 2 0
#> 898 3 0 0
#> 899 2 0 0
#> 900 2 1 0
#> 901 2 0 0
#> 902 2 0 0
#> 903 NA NA NA
#> 904 NA NA NA
#> 905 NA NA NA
#> 906 NA NA NA
#> 907 NA NA NA
#> 908 NA NA NA
library(dplyr)
efc %>%
select(c82cop1, c83cop2, c84cop3) %>%
mutate(
c82new = recode_to(c83cop2, lowest = 5),
c83new = recode_to(c84cop3, lowest = 3)
) %>%
head()
#> c82cop1 c83cop2 c84cop3 c82new c83new
#> 1 3 2 2 6 4
#> 2 3 3 3 7 5
#> 3 2 2 1 6 3
#> 4 4 1 3 5 5
#> 5 3 2 1 6 3
#> 6 2 2 3 6 5