相同的分组/重新编码因子数据帧

有人试过用这种简单的方法吗?它不需要特殊的包,只需要了解R如何处理因子。

假设要重命名因子中的级别,获取它们的索引

data <- data.frame(a=letters[1:26],1:26)
lalpha <- levels(data$a)

在本例中,我们假设要知道级别“e”和“w”的索引

lalpha <- levels(data$a)
ind <- c(which(lalpha == 'e'), which(lalpha == 'w'))

现在我们可以使用这个索引来替换因子“a”的级别

levels(data$a)[ind] <- 'X'

如果你现在看看数据帧因子 a 会有一个X e 和 w

我让你试试结果。

一个选择是 recode() 包中函数 car :

require(car)
df <- data.frame(a=letters[1:26],1:26)
df2 <- within(df, a <- recode(a, 'c("a","b","c")="a"'))
> head(df2)
  a X1.26
1 a     1
2 a     2
3 a     3
4 d     4
5 e     5
6 f     6

示例,其中 a 不是那么简单,我们将几个级别重新编码为一个级别。

set.seed(123)
df3 <- data.frame(a = sample(letters[1:5], 100, replace = TRUE),
                  b = 1:100)
with(df3, head(a))
with(df3, table(a))

最后几行给出:

> with(df3, head(a))
[1] b d c e e a
Levels: a b c d e
> with(df3, table(a))
a
 a  b  c  d  e 
19 20 21 22 18

现在让我们合并级别 一 和 e 进入水平 Z 使用 重新编码()

df4 <- within(df3, a <- recode(a, 'c("a","e")="Z"'))
with(df4, head(a))
with(df4, table(a))

它给出:

> with(df4, head(a))
[1] b d c Z Z Z
Levels: b c d Z
> with(df4, table(a))
a
 b  c  d  Z 
20 21 22 37

在不拼写要合并的级别的情况下执行此操作:

## Select the levels you want (here 'a' and 'e')
lev.want <- with(df3, levels(a)[c(1,5)])
## now paste together
lev.want <- paste(lev.want, collapse = "','")
## then bolt on the extra bit
codes <- paste("c('", lev.want, "')='Z'", sep = "")
## then use within recode()
df5 <- within(df3, a <- recode(a, codes))
with(df5, table(a))

它给了我们同样的 df4 上图:

> with(df5, table(a))
a
 b  c  d  Z 
20 21 22 37 

你可以这样做:

df$a[df$a %in% c("a","b","c")] <- "a"

更新:更复杂的因素。

Data <- data.frame(a=sample(c("Less than $50,000","$50,000-$99,999",
  "$100,000-$249,999", "$250,000-$500,000"),20,TRUE),n=1:20)
rows <- Data$a %in% c("$50,000-$99,999", "$100,000-$249,999")
Data$a[rows] <- "$250,000-$500,000"

有两种方法。 如果你不想降低未使用的水平,即“b”和“c”,约书亚的解决方案可能是最好的。

如果要删除未使用的级别,则

df$a<-factor(ifelse(df$a%in%c("a","b","c"),"a",as.character(df$a)))

或

levels(df$a)<-ifelse(levels(df$a)%in%c("a","b","c"),"a",levels(df$a))

这是所选答案的简化版本:

我发现处理这个问题最简单的方法就是简单地通过查看因子级别,然后写下要覆盖的数字来覆盖它们。

df <- data.frame(a=letters[1:26],1:26)
levels(df)

> [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" 
 "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

levels(df$a)[c(1,2)] <- "c"
summary(df$a)

> c d e f g h i j k l m n o p q r s t u v w x y z 
  3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1