获取因子变量中水平和标签之间的原始关联

Question

我正在寻找一个函数来获取因子变量的原始映射表。我导入一个 Rdata 文件。我有一个名为“FactVar”的因子变量。我知道“FactVar”的映射表如下：

"010025" -> city1
"015146" -> city2
"048017" -> city3
"082053" -> city4

在我的数据框中，“FactVar”数据如下（前 5 个案例）：

1: city1
2: city3
3: city4
4: city1
5: city3

所以，我的 df 中没有“city2”。我可以使用哪个函数来获取原始映射表？它在我的 Rdata 文件中可用吗？

谢谢你

编辑： 我尝试用一个更好的例子来澄清我的问题。我有一个调查问题，可能的答案如下：

1: "Yes"
2: "No"
8: "Don't Know"
9: "Not Applicable"

我创建一个因子变量“FactVar”：

Var <- c(1,2,1,2,2,2,1,8,1,2)
FactVar <- factor(Var, levels=c(1,2,8,9), labels=c("Yes", "No", "Don't Know", "Not Applicable")

如您所见，在我的 Rdata 文件中，我有一个因子变量，其中没有数据链接到“不适用”级别。我怎样才能得到我的调查问题中的原始映射表？

Answer 1

我认为答案是“不”。我没有任何明确的信息来支持这一点，但即使仔细阅读

factor

和相关函数的文档，我也看不到任何方法来恢复原始级别，除非您单独存储它们（例如，作为

attribute 

，或在创建因子时保存原始函数调用。

坦率地说，我认为这在程序设计中有些疏忽，虽然这绝对是一种边缘情况（我以前从未考虑过），但我将在这个问题上悬赏并希望它引起了 Dirk Eddelbuettel 或其他 R 大师之一的注意。

编辑：我没有看到“添加赏金”按钮。也许几天后就会出现（希望我记得）。

Answer 2

我之前有过这个问题，在这里得到了解答：如何在 R 中访问实际的内部因子查找哈希表

抱歉，我没有足够的声誉来将此放入评论中。

Answer 3

str(FactVar)

将返回级别及其标签之间的映射，如下所示：

FactVar <- factor(Var, levels=c(1,2,8,9), labels=c("Yes", "No", "Don't Know", "Not Applicable

并将包括未使用因素的标签和水平。

Answer 4

我有一个稍微不同的问题，但基于例如shadowtalker的answer，我认为答案是相同的：你无法获得关联。

我有兴趣将变量转变为因子并保留原始数据。看来我必须创建一个新变量并保留两者。

R 文档中的因子帮助页面指出

要将因子 f 转换为近似其原始数值，建议使用 as.numeric(levels(f))[f]，它比 as.numeric(as.character(f)) 稍微高效一些。

例如：

> v <- c( 0, 0, 3, 0, 6, 6 )
> 
> f1 <- factor( x = v, levels = c( 0, 3, 6, 9 ) )
> 
> as.numeric( levels( f1 ) )[f1]
[1] 0 0 3 0 6 6
>
> as.numeric( as.character( f1 ) )
[1] 0 0 3 0 6 6

但是，如果因子被标记，以上方法都不起作用：

> f2 <- factor( x = v, levels = c( 0, 3, 6, 9 ), labels = c( "a", "b", "c", "d" ) )
> 
> as.numeric( levels( f2 ) )[f2]
Warning: NAs introduced by coercion
 [1] NA NA NA NA NA NA NA NA NA NA
>
> as.numeric( as.character( f2 ) )
Warning: NAs introduced by coercion
 [1] NA NA NA NA NA NA NA NA NA NA

如果我们看一下

levels()

和

as.character()

给出的内容，这是显而易见的：

> levels( f2 )
[1] "a" "b" "c" "d"
>
> as.numeric( levels( f2 ) )
Warning: NAs introduced by coercion
[1] NA NA NA NA
>
> as.character( f2 )
[1] "a" "a" "b" "a" "c" "c"

如果我们只使用

as.numeric()

，我们会得到由

factor()

创建的新级别值：

> as.numeric( f2 )
[1] 1 1 2 1 3 3

Answer 5

举个例子：

> Var <- c(4,5,4,5,8)
> FactVar <- factor(Var, levels=c(4,5,8,9), labels=c("Yes", "No", "Don't Know", "Not Applicable"))

> FactVar
[1] Yes        No         Yes        No         Don't Know
Levels: Yes No Don't Know Not Applicable

我们可以使用 FactVar 函数查看 R 维护的关于

unclass()

的剩余信息的

all

：

> unclass(FactVar)

[1] 1 2 1 2 3
attr(,"levels")
[1] "Yes"            "No"             "Don't Know"     "Not Applicable"

您可以看到，R 没有保留原始

c(4,5,4,5)

数据。它只是获取原始数据，找到唯一的“级别”和从 1 开始连续的数字。然后将因子存储为值范围从 1 到级别数的整数向量。事实上，包含 4、5 和 8 的原始数据已完全丢失，因此无法恢复。

最后，R 中因子的预期目的是创建一个整数向量范围从 1 到 n_levels，其中整数代表一个命名类别。最常见的是，这用于将字符向量编码为数字类别。

在我看来，将整数转换为因子可能只在少数情况下有用。实际上，您所做的就是将整数（在示例中为 4、5 和 8）重新映射到一组新整数（1、2 和 3），然后显示与新整数组关联的名称.

所以我不认为这是设计限制。我认为也许人们希望因素做的事情超出了设计的初衷。

如果您想保留原始值并具有与其关联的类名称，也许只需命名原始向量即可？

> Var <- c(4,5,4,5,8)

> hash <- c(Yes = 4, No = 5, `Don't Know` = 8, `Not Applicable` = 9)

> namedVar <- hash[match(Var, hash)]

> namedVar

       Yes         No        Yes         No Don't Know 
         4          5          4          5          8 

另一种解决方案是将两者放入 data.frame 中：

> Var <- c(1,2,1,2,2,2,1,8,1,2)
> data.frame(Var = Var, FactVar = factor(Var, levels=c(1,2,8,9), labels=c("Yes", "No", "Don't Know", "Not Applicable")))
   Var    FactVar
1    1        Yes
2    2         No
3    1        Yes
4    2         No
5    2         No
6    2         No
7    1        Yes
8    8 Don't Know
9    1        Yes
10   2         No
>

Answer 6

不确定我明白你的意思。 您可以指定因子水平的标签。

df$FactVar <- factor(df$FactVar, levels=c(paste0("city", 1:4))) # assuming you go up to 'city4'

重点是，您可以使用函数中的

levels

参数以任何顺序指定级别

factor