如何在不保留原始集合的所有数据信息的情况下进行子集化

Question

我正在尝试子集数据。

这里是样本数据的链接： https://drive.google.com/file/d/0BwIbultIWxeVOFdRaE81Nm9qc2s/view?usp=sharing

因此，在此数据集中，最后一列的名称为"Type"，其中包含两个值："normal."和"back." 并且假设我根据"Type"列进行了子集化：

test.data = read.csv(file = paste0(dd, '/data_example.csv'))
test.subdata1 = subset(test.data, test.data$Type == 'normal.')
test.subdata2 = test.data[test.data$Type == 'normal.',]

在这里，我使用两种最常用的方法进行子集化：

1. 使用subset()

2. 直接过滤[]

据推测，新的子集数据应该只包含Type ``"normal."的数据（这个词后面有一段时间） 事实上，当我查看子集数据表时，只有"normal."个存在。

然而，事实是，"back."类信息保留在我的子集数据中，如下面的输出所示：

str(test.subdata1$Type)
# Factor w/ 2 levels "back.","normal.": 2 2 2 2 2 2 2 2 2 2 ...
str(test.subdata2$Type)
# Factor w/ 2 levels "back.","normal.": 2 2 2 2 2 2 2 2 2 2 ...

所以我使用哪种子集化方法无关紧要，原始数据集中的完整信息将保留在我的子集数据集中。

我的问题是： 如何摆脱原始数据集中的额外信息我不想保留在我的子集数据集中？

意思是，我怎样才能在子集数据中看到1个因子级别而不是2个因子级别？

Answer 1

# Is this what you need?
test.subdata1$Type = as.factor(as.integer(test.subdata1$Type))

# or maybe
test.subdata1$Type = factor(test.subdata1$Type)