清理因子水平（折叠多个级别/标签）

Question

清理因子水平（折叠多个级别/标签）清理包含需要折叠的多个级别的因子的最有效（即有效/适当）方法是什么？也就是说，如何将两个或多个因子级别组合成一个。这是一个示例，其中“是”和“Y”这两个级别应折叠为“是”，“否”和“N”折叠为“否”：## 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一个选择当然是在手工使用sub和朋友之前清理琴弦。另一种方法是允许重复标签，然后丢弃它们## 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 linesfactor(x.f)      droplevels(x.f)但是，有更有效的方法吗？虽然我知道levels和labels参数应该是向量，但我尝试了列表和命名列表以及命名向量以查看发生了什么不用说，以下没有一个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

由于问题的标题是清理因子水平（折叠多个级别/标签），forcats为了完整起见，此处也应该提到包。forcats于2016年8月在CRAN上亮相。

有几种便利功能可用于清理因子水平：

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

将要素级别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

手动改变因子水平

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，必要时崩溃

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，它fct_relabel()适用于因子级别，因此它需要一个因子作为第一个参数。另外两个函数，fct_collapse()也fct_recode()接受一个字符向量，它是一个未记录的特征。

首次出现重新排序因子水平

OP给出的预期输出是

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

这里的级别按其出现的顺序排序x，与默认级别不同（?factor：默认情况下，因子的级别已排序）。

为了与预期输出一致，可以通过fct_inorder() 在折叠级别之前使用来实现：

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 2

也许命名向量作为键可能是有用的：

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

这看起来与你上一次尝试非常相似......但是这个有效:-)