代替<NA>在因子列中

Question

我想用有效值替换因子列中的<NA>值。 但我找不到办法。 此示例仅用于演示。 原始数据来自我必须处理的外国 csv 文件。

df <- data.frame(a=sample(0:10, size=10, replace=TRUE),
                 b=sample(20:30, size=10, replace=TRUE))
df[df$a==0,'a'] <- NA
df$a <- as.factor(df$a)

看起来像这样

      a  b
1     1 29
2     2 23
3     3 23
4     3 22
5     4 28
6  <NA> 24
7     2 21
8     4 25
9  <NA> 29
10    3 24

现在我想用一个数字替换<NA>值。

df[is.na(df$a), 'a'] <- 88
In `[<-.factor`(`*tmp*`, iseq, value = c(88, 88)) :
  invalid factor level, NA generated

我想我错过了关于因素的基本 R 概念。 我是吗？ 我不明白为什么它不起作用。 我认为invalid factor level意味着88不是该因子的有效水平，对吗？ 所以我必须告诉因子列还有另一个级别？

Answer 1

1) addNA如果fac是一个因子addNA(fac)是相同的因子，但 NA 作为一个级别添加。 见?addNA

强制 NA 级别为 88：

facna <- addNA(fac)
levels(facna) <- c(levels(fac), 88)

给予：

> facna
 [1] 1  2  3  3  4  88 2  4  88 3 
Levels: 1 2 3 4 88

1a)这可以写成一行，如下所示：

`levels<-`(addNA(fac), c(levels(fac), 88))

2) factor也可以在一行中使用factor的各种参数来完成，如下所示：

factor(fac, levels = levels(addNA(fac)), labels = c(levels(fac), 88), exclude = NULL)

2a)或等效：

factor(fac, levels = c(levels(fac), NA), labels = c(levels(fac), 88), exclude = NULL)

3) ifelse另一种方法是：

factor(ifelse(is.na(fac), 88, paste(fac)), levels = c(levels(fac), 88))

4) forcats forcats 包有这样一个功能：

library(forcats)

fct_explicit_na(fac, "88")
## [1] 1  2  3  3  4  88 2  4  88 3 
## Levels: 1 2 3 4 88

注意：我们使用以下输入fac

fac <- structure(c(1L, 2L, 3L, 3L, 4L, NA, 2L, 4L, NA, 3L), .Label = c("1", 
"2", "3", "4"), class = "factor")

更新：已改进 (1) 并添加 (1a)。 后来补充（4）。

Answer 2

另一种方法是：

#check levels
levels(df$a)
#[1] "3"  "4"  "7"  "9"  "10"

#add new factor level. i.e 88 in our example
df$a = factor(df$a, levels=c(levels(df$a), 88))

#convert all NA's to 88
df$a[is.na(df$a)] = 88

#check levels again
levels(df$a)
#[1] "3"  "4"  "7"  "9"  "10" "88"

Answer 3

因子变量的基本概念是它只能取特定值，即levels 。 不在levels值无效。

你有两种可能：

如果您有一个遵循此概念的变量，请确保在创建它时定义所有级别，即使是那些没有相应值的级别。

或者使变量成为字符变量并使用它。

PS：这些问题通常是由数据导入引起的。 例如，您在那里显示的内容看起来应该是数字变量而不是因子变量。

Answer 4

我有类似的问题，我想添加我认为最实用（也最整洁）的解决方案：

将列转换为character列，使用mutate和简单的ifelse语句将NA值更改为您想要的因子级别（我选择了“无”），将其转换回factor列：

df %>% mutate(
a = as.character(a),
a = ifelse(is.na(a), "None", a),
a = as.factor(a)
)

干净且轻松，因为当它们出现在factor列中时，您实际上不必涉足NA值。 您绕过了怪异并最终得到了一个干净的factor变量。

此外，为了回应下面关于多列的评论：您可以将语句包装在一个函数中并使用mutate_if来选择所有因子变量，或者，如果您知道相关列的名称，则使用mutate_at来应用该函数：

replace_factor_na <- function(x){
  x <- as.character(x)
  x <- if_else(is.na(x), "None", x)
  x <- as.factor(x)
}

df <- df %>%
  mutate_if(is.factor, replace_factor_na)

Answer 5

问题是NA不是该因素的水平：

> levels(df$a)
[1] "2"  "4"  "5"  "9"  "10"

您不能立即更改它，但以下方法可以解决问题：

df$a <- as.numeric(as.character(df$a))
df[is.na(df$a),1] <- 88
df$a <- as.factor(df$a)
> df$a
 [1] 9  88 3  9  5  9  88 8  3  9 
Levels: 3 5 8 9 88
> levels(df$a)
[1] "3"  "5"  "8"  "9"  "88"

Answer 6

通过使用factor函数，我的方法会有点传统：

a <- factor(a, 
            exclude = NULL, 
            levels = c(levels(a), NA),
            labels = c(levels(a), "None"))

您可以用您想要的适当替换替换“无”（例如 0L）