清理因子级别（折叠多个级别/标签）

Question

清理包含多个需要折叠的级别的因子的最有效（即有效/适当）的方法是什么？即如何将两个或多个因素水平合并为一个。

这是一个示例，其中两个级别“Yes”和“Y”应折叠为“Yes”，而“No”和“N”应折叠为“No”：

## Given: 
x <- c("Y", "Y", "Yes", "N", "No", "H")   # The 'H' should be treated as NA

## expectedOutput
[1] Yes  Yes  Yes  No   No   <NA>
Levels: Yes No  # <~~ NOTICE ONLY **TWO** LEVELS

当然，一种选择是使用

sub

和朋友提前清洁琴弦。

另一种方法，是允许重复标签，然后删除它们

## Duplicate levels ==> "Warning: deprecated"
x.f <- factor(x, levels=c("Y", "Yes", "No", "N"), labels=c("Yes", "Yes", "No", "No"))

## the above line can be wrapped in either of the next two lines
factor(x.f)      
droplevels(x.f)

但是，有没有更有效的方法？

虽然我知道

levels

和

labels

参数应该是向量，但我尝试使用列表、命名列表和命名向量来看看会发生什么不用说，以下这些都没有让我更接近我的目标。

  factor(x, levels=list(c("Yes", "Y"), c("No", "N")), labels=c("Yes", "No"))
  factor(x, levels=c("Yes", "No"), labels=list(c("Yes", "Y"), c("No", "N")))

  factor(x, levels=c("Y", "Yes", "No", "N"), labels=c(Y="Yes", Yes="Yes", No="No", N="No"))
  factor(x, levels=c("Y", "Yes", "No", "N"), labels=c(Yes="Y", Yes="Yes", No="No", No="N"))
  factor(x, levels=c("Yes", "No"), labels=c(Y="Yes", Yes="Yes", No="No", N="No"))

Answer 1

更新 2：请参阅 Uwe 的答案，其中展示了新的“tidyverse”方法，该方法正在迅速成为标准。

更新1：现在确实允许重复的标签（但不是级别！）（根据我上面的评论）；请参阅蒂姆的回答。

原始答案，但仍然有用且有趣：有一个鲜为人知的选项可以将命名列表传递给

levels

函数，正是为了这个目的。列表的名称应该是所需的级别名称，元素应该是应重命名的当前名称。有些人（包括OP，请参阅里卡多对蒂姆答案的评论）更喜欢这样以便于阅读。

x <- c("Y", "Y", "Yes", "N", "No", "H", NA)
x <- factor(x)
levels(x) <- list("Yes"=c("Y", "Yes"), "No"=c("N", "No"))
x
## [1] Yes  Yes  Yes  No   No   <NA>  <NA>
## Levels: Yes No

如

levels

文档中所述；另请参阅那里的示例。

值：对于“因子”方法，a 长度至少为 number 的字符串向量 'x' 的级别，或指定如何重命名的命名列表级别。

这也可以一行完成，就像 Marek 在这里所做的那样：https://stackoverflow.com/a/10432263/210673；这里解释了

levels<-

魔法 https://stackoverflow.com/a/10491881/210673.

> `levels<-`(factor(x), list(Yes=c("Y", "Yes"), No=c("N", "No")))
[1] Yes  Yes  Yes  No   No   <NA>
Levels: Yes No

Answer 2

由于问题的标题为清理因子级别（折叠多个级别/标签），因此为了完整起见，还应在此处提及

forcats

包。

forcats

于 2016 年 8 月出现在 CRAN 上。

有多种方便的功能可用于清理因子水平：

x <- c("Y", "Y", "Yes", "N", "No", "H") 

library(forcats)

将因子水平折叠为手动定义的组

fct_collapse(x, Yes = c("Y", "Yes"), No = c("N", "No"), NULL = "H")
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

手动更改因子水平

fct_recode(x, Yes = "Y", Yes = "Yes", No = "N", No = "No", NULL = "H")
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

自动重新标记因子水平，根据需要折叠

fun <- function(z) {
  z[z == "Y"] <- "Yes"
  z[z == "N"] <- "No"
  z[!(z %in% c("Yes", "No"))] <- NA
  z
}
fct_relabel(factor(x), fun)
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

请注意，

fct_relabel()

适用于因子级别，因此它需要 factor 作为第一个参数。另外两个函数，

fct_collapse()

和

fct_recode()

，也接受字符向量，这是一个未记录的功能。

按首次出现重新排序因子级别

OP给出的预期输出是

[1] Yes  Yes  Yes  No   No   <NA>
Levels: Yes No

此处，级别按照

中显示的顺序进行排序，这与默认值不同（

?factor

：因子的级别默认排序）。

为了与预期输出保持一致，可以通过使用

fct_inorder()

before 折叠级别来实现：

fct_collapse(fct_inorder(x), Yes = c("Y", "Yes"), No = c("N", "No"), NULL = "H")
fct_recode(fct_inorder(x), Yes = "Y", Yes = "Yes", No = "N", No = "No", NULL = "H")

现在，两者都以相同的顺序返回预期输出。

Answer 3

也许可以使用命名向量作为键：

> factor(unname(c(Y = "Yes", Yes = "Yes", N = "No", No = "No", H = NA)[x]))
[1] Yes  Yes  Yes  No   No   <NA>
Levels: No Yes

这看起来与您上次的尝试非常相似...但是这个有效:-)

Answer 4

自 R 3.5.0 (2018-04-23) 起，您可以用一行清晰简单的代码完成此操作：

x = c("Y", "Y", "Yes", "N", "No", "H") # The 'H' should be treated as NA

tmp = factor(x, levels= c("Y", "Yes", "N", "No"), labels= c("Yes", "Yes", "No", "No"))
tmp
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

1 行，将多个值映射到同一级别，为缺失级别设置 NA” – h/t @Aaron

Answer 5

另一种方法是制作一个包含映射的表：

# stacking the list from Aaron's answer
fmap = stack(list(Yes = c("Y", "Yes"), No = c("N", "No")))

fmap$ind[ match(x, fmap$values) ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

# or...

library(data.table)
setDT(fmap)[x, on=.(values), ind ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

我更喜欢这种方式，因为它留下了一个易于检查的总结地图的对象； data.table 代码看起来就像该语法中的任何其他连接一样。

当然，如果您不想要像

fmap

这样的对象来总结更改，它可以是“一行”：

library(data.table)
setDT(stack(list(Yes = c("Y", "Yes"), No = c("N", "No"))))[x, on=.(values), ind ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

Answer 6

首先让我们注意，在这种特定情况下，我们可以使用部分匹配：

x <- c("Y", "Y", "Yes", "N", "No", "H")
y <- c("Yes","No")
x <- factor(y[pmatch(x,y,duplicates.ok = TRUE)])
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

在更一般的情况下，我会选择

dplyr::recode

：

library(dplyr)
x <- c("Y", "Y", "Yes", "N", "No", "H")
y <- c(Y="Yes",N="No")
x <- recode(x,!!!y)
x <- factor(x,y)
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

如果起点是一个因素，则稍微改变：

x <- factor(c("Y", "Y", "Yes", "N", "No", "H"))
y <- c(Y="Yes",N="No")
x <- recode_factor(x,!!!y)
x <- factor(x,y)
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

Answer 7

我添加这个答案是为了证明已接受的答案适用于数据框中的特定因素，因为这最初对我来说并不明显（尽管可能应该如此）。

levels(df$var1)
# "0" "1" "Z"
summary(df$var1)
#    0    1    Z 
# 7012 2507    8 
levels(df$var1) <- list("0"=c("Z", "0"), "1"=c("1"))
levels(df$var1)
# "0" "1"
summary(df$var1)
#    0    1 
# 7020 2507

Answer 8

我不知道你的真实用例，但是

strtrim

在这里有任何用处......

factor( strtrim( x , 1 ) , levels = c("Y" , "N" ) , labels = c("Yes" , "No" ) )
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: Yes No

Answer 9

类似于@Aaron的方法，但稍微简单一点：

x <- c("Y", "Y", "Yes", "N", "No", "H")
x <- factor(x)
# levels(x)  
# [1] "H"   "N"   "No"  "Y"   "Yes"
# NB: the offending levels are 1, 2, & 4
levels(x)[c(1,2,4)] <- c(NA, "No", "Yes")
x
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

Answer 10

您可以使用以下功能来组合/折叠多个因素：

combofactor <- function(pattern_vector,
         replacement_vector,
         data) {
 levels <- levels(data)
 for (i in 1:length(pattern_vector))
      levels[which(pattern_vector[i] == levels)] <-
        replacement_vector[i]
 levels(data) <- levels
  data
}

示例：

初始化x

x <- factor(c(rep("Y",20),rep("N",20),rep("y",20),
rep("yes",20),rep("Yes",20),rep("No",20)))

检查结构

str(x)
# Factor w/ 6 levels "N","No","y","Y",..: 4 4 4 4 4 4 4 4 4 4 ...

使用功能：

x_new <- combofactor(c("Y","N","y","yes"),c("Yes","No","Yes","Yes"),x)

重新检查结构：

str(x_new)
# Factor w/ 2 levels "No","Yes": 2 2 2 2 2 2 2 2 2 2 ...

Answer 11

> x <- c("Y", "Y", "Yes", "N", "No", "H") 
> factor(x, 
+   levels = c("No","N","Y","Yes"),
+   labels = c("No","No","Yes","Yes"),
+   exclude = "H")
[1] Yes  Yes  Yes  No   No   <NA>
Levels: No Yes

清理因子级别（折叠多个级别/标签）

问题描述投票：0回答：11

11个回答

将因子水平折叠为手动定义的组

手动更改因子水平

自动重新标记因子水平，根据需要折叠

按首次出现重新排序因子级别

最新问题

清理因子级别（折叠多个级别/标签）

问题描述 投票：0回答：11

11个回答

将因子水平折叠为手动定义的组

手动更改因子水平

自动重新标记因子水平，根据需要折叠

按首次出现重新排序因子级别

最新问题

问题描述投票：0回答：11