将具有看不见的字符串值的新记录附加到数据帧时看不见的因子级别,导致警告并导致NA

时间:2009-10-27 18:28:21

标签: r dataframe append r-factor

我有一个数据框(14.5K行15列),包含2001年至2007年的计费数据。

我使用以下代码添加新的2008年数据:alltime <- rbind(alltime,all2008)

不幸的是,会产生警告:

> Warning message:
In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, NA, NA, NA, NA, NA,  :
  invalid factor level, NAs generated

我的猜测是,有一些新病人的名字不在之前的数据框中,因此不知道给予那些人的等级。同样在“推荐医生”专栏中有新的看不见的名字。

解决方案是什么?

7 个答案:

答案 0 :(得分:30)

这可能是由于两个data.frames中的类型不匹配造成的。

首先检查类型(类)。出于诊断目的,请执行以下操作:

new2old <- rbind( alltime, all2008 ) # this gives you a warning
old2new <- rbind( all2008, alltime ) # this should be without warning

cbind(
    alltime = sapply( alltime, class),
    all2008 = sapply( all2008, class),
    new2old = sapply( new2old, class),
    old2new = sapply( old2new, class)
)

我希望有一行看起来像:

            alltime  all2008   new2old  old2new
...         ...      ...       ...      ...
some_column "factor" "numeric" "factor" "character"
...         ...      ...       ...      ...

如果是,那么解释: rbind不检查类型匹配。如果您分析rbind.data.frame代码,那么您可以看到第一个参数初始化输出类型。如果在第一个data.frame类型中是一个因子,则输出data.frame列是具有级别unique(c(levels(x1),levels(x2)))的因子。但是当在第二个data.frame列不是因素时,levels(x2)NULL,因此级别不会延伸。

这意味着您的输出数据错误!有NA代替真值

我想:

  1. 您使用另一个R / RODBC版本创建旧数据,因此使用不同的方法创建类型(不同的设置 - 可能是小数分隔符)
  2. 在有问题的列中有NULL或某些特定数据,例如。有人更改数据库下的列。
  3. 解决方案:

    找到错误的列并找出其错误和修复的原因。消除原因不是症状。

答案 1 :(得分:27)

“简单”的方法是在导入文本数据时不将字符串设置为因子。

请注意,read.{table,csv,...}函数采用stringsAsFactors参数,默认情况下设置为TRUE。您可以在导入和FALSE数据时将其设置为rbind

如果您想将列设置为最后的一个因素,您也可以这样做。

例如:

alltime <- read.table("alltime.txt", stringsAsFactors=FALSE)
all2008 <- read.table("all2008.txt", stringsAsFactors=FALSE)
alltime <- rbind(alltime, all2008)
# If you want the doctor column to be a factor, make it so:
alltime$doctor <- as.factor(alltime$doctor)

答案 2 :(得分:9)

1)创建数据帧,其中stringsAsFactor设置为FALSE。这应解决因子问题

2)之后不要使用rbind - 如果数据框为空,它会弄乱列名。简单地这样做:

df[nrow(df)+1,] <- c("d","gsgsgd",4)

/

> df <- data.frame(a = character(0), b=character(0), c=numeric(0))

> df[nrow(df)+1,] <- c("d","gsgsgd",4)

Warnmeldungen:
1: In `[<-.factor`(`*tmp*`, iseq, value = "d") :
  invalid factor level, NAs generated
2: In `[<-.factor`(`*tmp*`, iseq, value = "gsgsgd") :
  invalid factor level, NAs generated

> df <- data.frame(a = character(0), b=character(0), c=numeric(0), stringsAsFactors=F)

> df[nrow(df)+1,] <- c("d","gsgsgd",4)

> df
  a      b c
1 d gsgsgd 4

答案 3 :(得分:4)

根据上一个答案的建议,将列作为字符读取,并在rbind之后转换为因子。 SQLFetch(我假设 RODBC )还有stringsAsFactorsas.is参数来控制字符的转换。 允许的值与read.table相同,例如as.is=TRUE或某些列号。

答案 4 :(得分:3)

我遇到了类型不匹配的问题,尤其是因素。我不得不将两个兼容的数据集粘合在一起。

我的解决方案是将两个数据帧中的因子转换为“字符”。然后它就像一个魅力: - )

    convert.factors.to.strings.in.dataframe <- function(dataframe)
    {
        class.data  <- sapply(dataframe, class)
        factor.vars <- class.data[class.data == "factor"]
        for (colname in names(factor.vars))
        {
            dataframe[,colname] <- as.character(dataframe[,colname])
        }
        return (dataframe)
    }

如果要查看两个数据框中的类型,请运行(更改var名称):

    cbind("orig"=sapply(allSurveyData, class), 
          "merge" = sapply(curSurveyDataMerge, class),
          "eq"=sapply(allSurveyData, class) == sapply(curSurveyDataMerge, class)
    )

答案 5 :(得分:2)

创建数据框时,您可以选择将字符串列设为因子(*.data.example.com),或将它们保留为字符串。

对于您的情况,请不要使用字符串列因子。将它们保持为字符串,然后附加工作正常。如果您需要它们最终成为因子,请执行所有插入并首先作为字符串追加,然后最终将它们转换为因子。

如果你创建了字符串列因子,然后附加包含看不见的值的行,你会得到你在每个新的看不见的因子级别上提到的错误,并且该值被NA替换...

stringsAsFactors=T

所以不要使你的字符串列因子。将它们保留为字符串,然后附加正常工作

> df <- data.frame(patient=c('Ann','Bob','Carol'), referring_doctor=c('X','Y','X'), stringsAsFactors=T)

  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X

> df <- rbind(df, c('Denise','Z'))
Warning messages:
1: In `[<-.factor`(`*tmp*`, ri, value = "Denise") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, ri, value = "Z") :
  invalid factor level, NA generated
> df
  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X
4    <NA>             <NA>

更改默认行为

> df <- data.frame(patient=c('Ann','Bob','Carol'), referring_doctor=c('X','Y','X'), stringsAsFactors=F)
> df <- rbind(df, c('Denise','Z'))
  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X
4  Denise                Z

将单个列转换为字符串或因子

options(stringsAsFactors=F)

答案 6 :(得分:0)

这是一个函数,用于获取2个数据帧的公共行名称并执行rbind,其中我们基本上找到作为因子的字段,添加新因子然后执行rbind。这应该解决任何因素问题:

rbindCommonCols&lt; -function(x,y){

commonColNames = intersect(colnames(x), colnames(y))
x = x[,commonColNames]
y = y[,commonColNames]

colClassesX = sapply(x, class)
colClassesY = sapply(y, class)
classMatch = paste( colClassesX, colClassesY, sep = "-" )
factorColIdx = grep("factor", classMatch)

for(n in factorColIdx){ 
    x[,n] = as.factor(x[,n])
    y[,n] = as.factor(y[,n])
}

for(n in factorColIdx){ 
    x[,n] = factor(x[,n], levels = unique(c( levels(x[,n]), levels(y[,n]) )))
    y[,n] = factor(y[,n], levels = unique(c( levels(y[,n]), levels(x[,n]) )))  
} 

res = rbind(x,y)
res

}