R：使用数据表重新排序因子级别（用于Plotly）

时间：2017-10-16 17:35:58

标签： r data.table plotly

TL;博士

是否可以通过引用重新排序数据表中列的因子级别？据我所知，不是现有的答案：

  • 这是有效的，但不是参考（link）：table$x <- factor(table$x, levels = c("giraffes", "orangutans", "monkeys"))
  • 这可以通过引用工作，但对表格的其他列（link）产生了意想不到的影响：setattr(mydt$value,"levels",c(...))

接受的答案提供了一种无副作用的方法，使用:=表示法。

问题的背景是需要重新排序Plotly中的条形图，该条形图规定了重新排序因子级别（link）。

原始问题

我需要重新排序数据表框架中列的因子级别，我想以原生数据表的方式进行，如果有的话。我知道我可以用数据帧方式来做，但这需要硬编码的列名。我想使用动态列名，如果可能的话，通过引用更新。我找到了一种通过引用（link）重新排序列的方法，但它没有相应地对其他列重新排序，也无法使用动态列引用。

我有以下数据（人均二氧化碳排放量）：

library(data.table)
print(data)
        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

class(data)
[1] "data.table" "data.frame"

print(str(lapply(data, class)))
List of 8
 $ indicator     : chr "factor"
 $ country       : chr "factor"
 $ year          : chr "factor"
 $ value         : chr "numeric"

因此，如果我想按国家/地区列进行反向排序，我可以执行（2）：

col <- "country"
column.levels <- levels(data[[col]])
column.levels <- sort(column.levels, T)
data$country <- factor(data$country, levels = column.levels)

但是在这里，国家是硬编码的，排序不是参考。我期望在一个函数中使用此代码，该函数应该使用不同的数据集，以及其他列名。那么如何让它与存储在变量中的列名一起使用，并且可能通过引用？

作为参考，数据旨在使用Plotly以条形图显示。在哪里我想操纵订单。正如这里所讨论的（2），这样做的方法是重新排序因子水平。

非常感谢帮助！

澄清：factor()与setattr()

感谢@Uwe的反馈。让我试着让自己更清楚。我认为是什么问题。我设法动态选择列，这只是使用data[["column"]]而不是data$country的简单问题，但我第一次尝试时一定做错了。这留下了通过引用重新排序级别的问题。

这是数据的输入：

dput(data)
structure(list(indicator = structure(c(1L, 1L, 1L, 1L, 1L, 1L
), .Label = "EN.ATM.CO2E.PC", class = "factor"), country = structure(1:6, .Label = c("Canada", 
"China", "European Union", "India", "Saudi Arabia", "United States"
), class = "factor"), year = structure(c(1L, 1L, 1L, 1L, 1L, 
1L), class = "factor", .Label = "2011"), value = c(15.6397596234201, 
7.24151541889549, 7.07937396032502, 1.47668634979755, 17.7023072439215, 
16.9724170879273)), .Names = c("indicator", "country", "year", 
"value"), sorted = c("indicator", "country", "year"), class = c("data.table", 
"data.frame"), row.names = c(NA, -6L), .internal.selfref = <pointer: 0x00000000001f0788>)

以下是使用factor重新排序国家/地区列时会发生的情况：

column.levels <- levels(data[["country"]])
column.levels <- sort(column.levels, T)
data[["country"]] <- factor(data[["country"]], levels = column.levels)

levels(data[["country"]]) #just as desired
[1] "United States"  "Saudi Arabia"   "India"          "European Union" "China"          "Canada" 

print(data) #nominal order unchanged
        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

该表未被删除，但会根据需要重新排序。

但是这是使用setattr（）发生的事情：

setattr(data[["country"]], "levels", column.levels)
#Also tried this, same result: data[,setattr(country, "levels", column.levels)]

levels(data[["country"]]) #well this looks good...
[1] "United States"  "Saudi Arabia"   "India"          "European Union" "China"          "Canada" 

print(data) #but this is absurd...
        indicator        country year     value
1: EN.ATM.CO2E.PC  United States 2011 15.639760
2: EN.ATM.CO2E.PC   Saudi Arabia 2011  7.241515
3: EN.ATM.CO2E.PC          India 2011  7.079374
4: EN.ATM.CO2E.PC European Union 2011  1.476686
5: EN.ATM.CO2E.PC          China 2011 17.702307
6: EN.ATM.CO2E.PC         Canada 2011 16.972417

因此factor（）使数据的名义顺序保持不变。但是setattr（）实际上改变了国家列的名义顺序，造成了严重破坏。那么这里出了什么问题？我对行为上的差异感到困惑。是否可以使用setattr（）或其他方法通过引用重新排序列因子级别？希望我现在明白了！

1 个答案:

答案 0 :(得分：6)

要通过引用修改 data.table 对象的列，即不复制整个对象，:=运算符可以按如下方式使用：

col <- "country"
DT[, (col) := factor(get(col), levels = rev(levels(get(col))))]
str(DT)

Classes ‘data.table’ and 'data.frame':    6 obs. of  4 variables:
 $ indicator: Factor w/ 1 level "EN.ATM.CO2E.PC": 1 1 1 1 1 1
 $ country  : Factor w/ 6 levels "United States",..: 6 5 4 3 2 1
 $ year     : Factor w/ 1 level "2011": 1 1 1 1 1 1
 $ value    : num  15.64 7.24 7.08 1.48 17.7 ...

DT

        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

请注意，DT用作data.table对象的名称，以避免名称与data()函数冲突。

由于factor()默认按字母顺序对级别进行排序，rev()用于反转现有因子级别的顺序。

列名在变量col中给出。因此，get()用于访问列。或者，这可以写成

DT[, (col) := lapply(.SD, factor, levels = rev(levels(DT[[col]]))), .SDcols = col]

使用特殊符号.SD和.SDcols参数。

要验证DT是否通过引用更新，可以使用address(DT)。

为什么setattr()无法按预期工作？

setattr()似乎只会更改关卡的标签，但不会改变OP想要的关卡编号。

DT

        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

DT[, as.integer(country)]

[1] 1 2 3 4 5 6

setattr(DT[[col]], "levels", rev(levels(DT[[col]])))
DT

        indicator        country year     value
1: EN.ATM.CO2E.PC  United States 2011 15.639760
2: EN.ATM.CO2E.PC   Saudi Arabia 2011  7.241515
3: EN.ATM.CO2E.PC          India 2011  7.079374
4: EN.ATM.CO2E.PC European Union 2011  1.476686
5: EN.ATM.CO2E.PC          China 2011 17.702307
6: EN.ATM.CO2E.PC         Canada 2011 16.972417

DT[, as.integer(country)]

[1] 1 2 3 4 5 6

如果使用上述代码，则相应地更改级别的编号：

DT[, (col) := factor(get(col), levels = rev(levels(get(col))))]
DT[, as.integer(country)]

[1] 6 5 4 3 2 1

（由于DT已修改，请始终使用DT的新副本

相关问题
最新问题