Question

我有一个包含因子列的data.frame，我想在其上计算max（或min或者分位数）。我不能在因素上使用这些功能，但我想。

以下是一些例子：

set.seed(3)
df1 <- data.frame(id = rep(1:5,each=2),height=sample(c("low","medium","high"),size = 10,replace=TRUE))
df1$height <- factor(df1$height,c("low","medium","high"))
df1$height_num <- as.numeric(df1$height)
# > df1
#    id height height_num
# 1   1    low          1
# 2   1   high          3
# 3   2 medium          2
# 4   2    low          1
# 5   3 medium          2
# 6   3 medium          2
# 7   4    low          1
# 8   4    low          1
# 9   5 medium          2
# 10  5 medium          2

我可以很容易地做到这一点：

aggregate(height_num ~ id,df1,max)
#   id height_num
# 1  1          3
# 2  2          2
# 3  3          2
# 4  4          1
# 5  5          2

但不是这样：

aggregate(height ~ id,df1,max)
# Error in Summary.factor(c(2L, 2L), na.rm = FALSE) : 
#   ‘max’ not meaningful for factors

我想采用最大的“高度”，并在我的聚合表中保持与原始表中相同的级别。在我的真实数据中，我有很多列，我希望保持我的因素排序，以保持我的情节清洁和一致。

我可以这样做，并在其他聚合函数中使用以下结构：

use_factors <- function(x,FUN){factor(levels(x)[FUN(as.numeric(x))],levels(x))}
aggregate(height ~ id,df1,use_factors,max)
#   id height
# 1  1   high
# 2  2 medium
# 3  3 medium
# 4  4    low
# 5  5 medium

或者我可能会超载我认为的max min median和quantile函数但我觉得我肯定会重新发明轮子。

有一种简单的方法吗？

Answer 1

实际上，如果使用有序因子，可以进行所需的聚合。

set.seed(3)
df1 <- data.frame(id = rep(1:5,each=2),height=sample(c("low","medium","high"),size = 10,replace=TRUE))
df1$height <- factor(df1$height,c("low","medium","high"), ordered = TRUE)
df1$height_num <- as.numeric(df1$height)

aggregate(height~id, df1, max) 
  id height
1  1   high
2  2 medium
3  3 medium
4  4    low
5  5 medium

与最大值和因子汇总

1 个答案: