为数据框中的因子添加额外级别

Question

我有一个包含数字和有序因子列的数据框。我有很多NA值，因此没有为它们分配级别。我将NA更改为“无应答”，但因子列的级别不包含该级别，所以这是我的开始，但我不知道如何以优雅的方式完成它：

addNoAnswer = function(df) {
   factorOrNot = sapply(df, is.factor)
   levelsList = lapply(df[, factorOrNot], levels)
   levelsList = lapply(levelsList, function(x) c(x, "No Answer"))
   ...

有没有办法直接将新级别应用于因子列，例如：

df[, factorOrNot] = lapply(df[, factorOrNot], factor, levelsList)

当然，这不能正常工作。

我希望保留级别的顺序，并将“无应答”级别添加到最后一个位置。

Answer 1

您可以定义一个函数，将级别添加到因子，但只返回其他任何内容：

addNoAnswer <- function(x){
  if(is.factor(x)) return(factor(x, levels=c(levels(x), "No Answer")))
  return(x)
}

然后你只需lapply这个功能到你的专栏

df <- as.data.frame(lapply(df, addNoAnswer))

应该返回你想要的东西。

Answer 2

levels函数接受levels(x) <- value调用。因此，添加不同级别非常容易：

f1 <- factor(c("a", "a", NA, NA, "b", NA, "a", "c", "a", "c", "b"))
str(f1)
 Factor w/ 3 levels "a","b","c": 1 1 NA NA 2 NA 1 3 1 3 ...
levels(f1) <- c(levels(f1),"No Answer")
f1[is.na(f1)] <- "No Answer"
str(f1)
 Factor w/ 4 levels "a","b","c","No Answer": 1 1 4 4 2 4 1 3 1 3 ...

然后，您可以将其循环到data.frame中的所有变量：

f1 <- factor(c("a", "a", NA, NA, "b", NA, "a", "c", "a", "c", "b"))
f2 <- factor(c("c", NA, "b", NA, "b", NA, "c" ,"a", "d", "a", "b"))
f3 <- factor(c(NA, "b", NA, "b", NA, NA, "c", NA, "d" , "e", "a"))
df1 <- data.frame(f1,n1=1:11,f2,f3)

str(df1)
  'data.frame':   11 obs. of  4 variables:
  $ f1: Factor w/ 3 levels "a","b","c": 1 1 NA NA 2 NA 1 3 1 3 ...
  $ n1: int  1 2 3 4 5 6 7 8 9 10 ...
  $ f2: Factor w/ 4 levels "a","b","c","d": 3 NA 2 NA 2 NA 3 1 4 1 ...
  $ f3: Factor w/ 5 levels "a","b","c","d",..: NA 2 NA 2 NA NA 3 NA 4 5 ...    

for(i in 1:ncol(df1)) if(is.factor(df1[,i])) levels(df1[,i]) <- c(levels(df1[,i]),"No Answer")
df1[is.na(df1)] <- "No Answer"

str(df1)
 'data.frame':   11 obs. of  4 variables:
  $ f1: Factor w/ 4 levels "a","b","c","No Answer": 1 1 4 4 2 4 1 3 1 3 ...
  $ n1: int  1 2 3 4 5 6 7 8 9 10 ...
  $ f2: Factor w/ 5 levels "a","b","c","d",..: 3 5 2 5 2 5 3 1 4 1 ...
  $ f3: Factor w/ 6 levels "a","b","c","d",..: 6 2 6 2 6 6 3 6 4 5 ...

Answer 3

自上次回答此问题以来，使用fct_explicit_na()包中的forcats可以实现此问题。我在这里添加了文档中给出的示例。

f1 <- factor(c("a", "a", NA, NA, "a", "b", NA, "c", "a", "c", "b"))
table(f1)

# f1
# a b c 
# 4 2 2 

f2 <- forcats::fct_explicit_na(f1)
table(f2)

# f2
#     a         b         c (Missing) 
#     4         2         2         3 

默认值为(Missing)，但可以通过na_level参数更改。

Answer 4

扩展ilir's answer及其注释，您可以检查列是否是一个因素，并且它尚未包含新级别，然后添加级别，从而使该函数可重新运行：

addLevel <- function(x, newlevel=NULL) {
  if(is.factor(x)) {
    if (is.na(match(newlevel, levels(x))))
      return(factor(x, levels=c(levels(x), newlevel)))
  }
  return(x)
}

然后您可以像这样应用它：

dataFrame$column <- addLevel(dataFrame$column, "newLevel")

Answer 5

您需要将列转换为字符，然后根据条件添加新级别，然后在最后一次将列转换为因子。

步骤 1.First Convert Factor列到字符：

        df$column2 <- as.character(column2)

2.添加新级别

        df[df$column1=="XYZ",]column2 <- "new_level"

3.再次转换为因素

        df$column2 <- as.factor(df$column2)

Answer 6

我有一个非常简单的答案，可能无法直接解决您的特定情况，但通常是执行此操作的简单方法

levels(df$column) <- c(levels(df$column), newFactorLevel)

Answer 7

对于因子，级别是分配给因子变量的每个唯一值的数值。使用因子的优点是类别变量更适合可视化。因子变量的原始值即使是数字也存储为字符。因此，要检索原始值，请首先使用转换as.character-这将返回因子值，而不是以零开头的级别数字。拥有字符格式的值后，请使用as.numeric获取原始数字值。

df $ factor_var具有存储为字符的数字值

factor_var.values = as.numeric（as.character（df $ factor_var））