Question

我有一个包含19个变量的数据框，其中17个是因子。其中一些因素包含缺失值，编码为NA。我想将missings重新编码为一个单独的因子级别“to_impute”，使用forcats :: fct_explicit_na（）来表示数据框中的所有因子。

一个包含两个因子变量的小例子：

df <- structure(list(loc_len = structure(c(NA, NA, NA, NA, NA, NA, 
1L, 1L, 3L, 1L), .Label = c("No", "< 5 sec", "5 sec - < 1 min", 
"1 - 5 min", "> 5 min", "Unknown duration"), class = "factor"), 
    AMS = structure(c(1L, 2L, NA, 1L, 1L, NA, NA, NA, NA, NA), .Label = c("No", 
    "Yes"), class = "factor")), .Names = c("loc_len", "AMS"), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

table(df$loc_len, useNA = "always")

              No          < 5 sec  5 sec - < 1 min        1 - 5 min          > 5 min Unknown duration             <NA> 
               3                0                1                0                0                0                6

下面的代码对两个变量执行此操作。我想对数据框中的所有因子变量'f_names'执行此操作。有没有办法'矢量化'fct_explicit_na（）？

f_names <- names(Filter(is.factor, df))

 f_names
[1] "loc_len" "AMS"

下面的代码可以实现我想要的，但是每个因素都是分开的：

df_new <- df  %>% 
                    mutate(loc_len = fct_explicit_na(loc_len, na_level = "to_impute")) %>% 
                    mutate(AMS = fct_explicit_na(AMS, na_level = "to_impute"))

我想要数据集中所有因素的这类表格，'f_names'中的名称：

lapply(df_new, function(x) data.frame(table(x, useNA = "always")))

现在是：

$loc_len
                 x Freq
1               No    3
2          < 5 sec    0
3  5 sec - < 1 min    1
4        1 - 5 min    0
5          > 5 min    0
6 Unknown duration    0
7        to_impute    6
8             <NA>    0

$AMS
          x Freq
1        No    3
2       Yes    1
3 to_impute    6
4      <NA>    0

Answer 1

更好的是，优雅和惯用的解决方案提供：

https://github.com/tidyverse/forcats/issues/122

library(dplyr)
df = df %>% mutate_if(is.factor,
                      fct_explicit_na,
                      na_level = "to_impute")

Answer 2

经过一些试验和错误后，下面的代码可以满足我的需求。

library(tidyverse)

df[, f_names] <- lapply(df[, f_names], function(x) fct_explicit_na(x, na_level = "to_impute")) %>% as.data.frame

如何使用forcats :: fct_explicit_na（）替换data.frame中的所有<na>值？

2 个答案: