我有一个纵向结构的数据框如下：
df = structure(list(oslaua = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L,
2L, 3L, 3L, 3L, 3L, 4L, 4L, 4L), .Label = c("E06000001", "E06000002",
"E06000003", "E06000004"), class = "factor"), wave = structure(c(1L,
2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L), .Label = c("0",
"1", "2", "3"), class = "factor"), old.la = structure(c(1L, 1L,
NA, 1L, 2L, 2L, 2L, NA, 3L, 3L, 3L, 3L, 4L, 4L, NA), .Label = c("00EB",
"00EC", "00EE", "00EF"), class = "factor"), la = structure(c(1L,
1L, NA, 1L, 2L, 2L, 2L, NA, 3L, 3L, 3L, 3L, 4L, 4L, NA), .Label = c("Hartlepool UA",
"Middlesbrough UA", "Redcar and Cleveland UA", "Stockton-on-Tees UA"
), class = "factor"), dclg.code = structure(c(1L, 1L, NA, 1L,
4L, 4L, 4L, NA, 3L, 3L, 3L, 3L, 2L, 2L, NA), .Label = c("H0724",
"H0738", "V0728", "W0734"), class = "factor"), novo_entries = c(24L,
4L, 0L, 1L, 35L, 15L, 1L, 0L, 49L, 7L, 2L, 2L, 40L, 14L, 0L)), .Names = c("oslaua",
"wave", "old.la", "la", "dclg.code", "novo_entries"), row.names = c(NA,
15L), class = "data.frame")
我的标识符变量是oslaua，我的时间变量是wave。 old.la，la和dclg.code是具有NA的因子变量。我的
目标包括使用与每个标识符（NA）关联的每个变量的级别重新编码我的oslaua。我尝试使用以下内容针对old.la的情况执行此操作：
df = df %>% group_by(oslaua) %>% mutate(old.la.1 = ifelse(is.na(old.la), unique(old.la), old.la)) %>% as.data.frame()
我部分得到了我的目的但是你可以看到一些问题：
> df
oslaua wave old.la la dclg.code novo_entries old.la.1
1 E06000001 0 00EB Hartlepool UA H0724 24 1
2 E06000001 1 00EB Hartlepool UA H0724 4 1
3 E06000001 2 <NA> <NA> <NA> 0 2
4 E06000001 3 00EB Hartlepool UA H0724 1 1
5 E06000002 0 00EC Middlesbrough UA W0734 35 2
6 E06000002 1 00EC Middlesbrough UA W0734 15 2
7 E06000002 2 00EC Middlesbrough UA W0734 1 2
8 E06000002 3 <NA> <NA> <NA> 0 2
9 E06000003 0 00EE Redcar and Cleveland UA V0728 49 3
10 E06000003 1 00EE Redcar and Cleveland UA V0728 7 3
11 E06000003 2 00EE Redcar and Cleveland UA V0728 2 3
12 E06000003 3 00EE Redcar and Cleveland UA V0728 2 3
13 E06000004 0 00EF Stockton-on-Tees UA H0738 40 4
14 E06000004 1 00EF Stockton-on-Tees UA H0738 14 4
15 E06000004 2 <NA> <NA> <NA> 0 4
具体而言，因素的水平会改变其格式，并且在某些情况下，观察结果会被错误地重新编码（例如oslaua = E06000001 - 第3行）
我不明白为什么这些级别会改变它们的格式以及如何保留其原始（字母数字）格式。此外，为什么有些观察结果不能正确记录。
我们非常感谢任何解决这些问题的建议。
谢谢！
答案 0 :(得分：3)
以下是使用Serial.println('C')
data.table对于多列
library(data.table)
setDT(df)[, old.la1 := levels(droplevels(old.la)), by = oslaua]
我们最初的想法是
nm1 <- c("old.la", "la", "dclg.code")
df1 <- setDT(df)[, lapply(.SD, function(x) levels(droplevels(x))[1]) ,
by = oslaua, .SDcols = nm1][df, on = "oslaua"]
df1[, !grepl("i\\.", names(df1)), with = FALSE]
但由于某种原因，在每个组中转换为setDT(df)[, (nm1) := lapply(.SD, function(x)
factor(levels(droplevels(x)))) , by = oslaua, .SDcols = nm1]
得到一些奇怪的输出，输出中的每列只有一个级别（使用v1.10.0）
答案 1 :(得分：1)
这应该适合你：
library(zoo)
df %>%
group_by(oslaua) %>%
mutate(old.la.1 = na.locf(old.la))
它使用zoo的最后一个结转函数来替换NA。它的类型安全。在您的代码中，ifelse正在构建两个向量（一个用于测试解析为TRUE的情况，另一个用于解析为FALSE。为了确保兼容性，似乎{ {1}}将每个类型减少到最基本的常见类型。在因子的情况下，这是一个整数（运行ifelse。
答案 2 :(得分：0)
或者，避免创建新变量的更优雅的解决方案是使用fill()中的tidyr：
data = data %>% group_by(oslaua) %>% fill(old.la, la, dclg.code)
data
哪个收益率：
> data
Source: local data frame [15 x 6]
Groups: oslaua [4]
oslaua wave old.la la dclg.code novo_entries
<fctr> <fctr> <fctr> <fctr> <fctr> <int>
1 E06000001 0 00EB Hartlepool UA H0724 24
2 E06000001 1 00EB Hartlepool UA H0724 4
3 E06000001 2 00EB Hartlepool UA H0724 0
4 E06000001 3 00EB Hartlepool UA H0724 1
5 E06000002 0 00EC Middlesbrough UA W0734 35
6 E06000002 1 00EC Middlesbrough UA W0734 15
7 E06000002 2 00EC Middlesbrough UA W0734 1
8 E06000002 3 00EC Middlesbrough UA W0734 0
9 E06000003 0 00EE Redcar and Cleveland UA V0728 49
10 E06000003 1 00EE Redcar and Cleveland UA V0728 7
11 E06000003 2 00EE Redcar and Cleveland UA V0728 2
12 E06000003 3 00EE Redcar and Cleveland UA V0728 2
13 E06000004 0 00EF Stockton-on-Tees UA H0738 40
14 E06000004 1 00EF Stockton-on-Tees UA H0738 14
15 E06000004 2 00EF Stockton-on-Tees UA H0738 0