Question

使用下面的代码我导入数据集，浏览它并删除一行。删除行后，我的length和levels命令的输出不变。为什么？

myserver.com/path/to/file/

这是输出：

[1] 3

[1]“33529”“K”“M”

出了点问题。我调查了性别值为33529

的行

MT <- read_csv("Q:/PhD/PhD courses/Data Doc and Man/day3-day4/bromraw.txt", 
    col_names = FALSE)
names(MT) <- c("id","pnr","age","sex", "runtime")
MT$sex <- as.factor(MT$sex)
length(levels(MT$sex))
levels(MT$sex)

在检查行后，我决定放弃它，并再次重新检查性别变量。

filter(MT, sex == 33529)

[1] 3

[1]“33529”“K”“M”

当我浏览数据时，该行不存在，但length和levels命令的输出与之前相同。我究竟做错了什么？

Answer 1

这可能是未使用级别的情况。我们可以通过降低级别

来解决它

MT <- droplevels(subset(MT, sex != 33529))

Answer 2

我觉得这个问题不仅仅是一段代码，而是一个更好的解释。

因子水平可以独立于数据而存在，例如

x <- factor(character(0), levels = LETTERS[1:3])

创建一个长度为0的向量，它有3个因子级别

factor(0)
Levels: A B C

向量length(x)的长度为零，但x有3个级别

levels(x)

[1] "A" "B" "C"

（并且length(levels(x))相应地为3。

好处是我们可以稍后添加数据，如果它与定义的因子水平兼容，则检查数据：

x[1:4] <- LETTERS[1:4]

警告讯息：在[<-.factor（*tmp*，1：4，值= c（＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34; C＆＃34;，＆＃34; D＆＃34;））：无效因子水平，NA生成

[1] A    B    C    <NA>
Levels: A B C

现在，向量由4个元素（length(x)）组成，但仍然只有3个因子级别。请注意，"D"并未自动成为额外的因素级别，而是替换为NA。

如果移除了矢量的元素，例如

y <- x[-c(1L, 4L)]
y

[1] B C
Levels: A B C

因子水平保持不变，而length(y)现在为2。

但是，如果您要删除未使用的因子级别，可以使用droplevels()函数as pointed out by akrun明确删除：

y <- droplevels(y)
y

[1] B C
Levels: B C

现在，因子级别"A"已被删除，因为它未被使用。

虽然levels()函数显示了已定义的因子级别，但它不会告知哪些框（信用额度为Acccumulation）已填充或未填写。 unique()函数返回不同值的向量，而table()函数计算出现次数：

set.seed(1L)
z <- sample(LETTERS[1:8], 10, replace = TRUE)
z

[1] "C" "B" "E" "H" "A" "B" "D" "A" "D" "C"

unique(z)

[1] "C" "B" "E" "H" "A" "D"

table(z)

z
A B C D E H 
2 2 2 2 1 1

删除行不会更改length（）和levels（）的更改输出

2 个答案: