[英]Replace <NA> in a factor column
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?
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)。
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$a)
#[1] "3" "4" "7" "9" "10" "88"
因子变量的基本概念是它只能取特定值,即levels
。 不在levels
值无效。
你有两种可能:
如果您有一个遵循此概念的变量,请确保在创建它时定义所有级别,即使是那些没有相应值的级别。
或者使变量成为字符变量并使用它。
PS:这些问题通常是由数据导入引起的。 例如,您在那里显示的内容看起来应该是数字变量而不是因子变量。
我有类似的问题,我想添加我认为最实用(也最整洁)的解决方案:
将列转换为character
列,使用mutate
和简单的ifelse
语句将NA
值更改为您想要的因子级别(我选择了“无”),将其转换回factor
列:
df %>% mutate(
a = as.character(a),
a = ifelse(is.na(a), "None", a),
a = as.factor(a)
)
干净且轻松,因为当它们出现在factor
列中时,您实际上不必涉足NA
值。 您绕过了怪异并最终得到了一个干净的factor
变量。
此外,为了回应下面关于多列的评论:您可以将语句包装在一个函数中并使用mutate_if
来选择所有因子变量,或者,如果您知道相关列的名称,则使用mutate_at
来应用该函数:
replace_factor_na <- function(x){
x <- as.character(x)
x <- if_else(is.na(x), "None", x)
x <- as.factor(x)
}
df <- df %>%
mutate_if(is.factor, replace_factor_na)
问题是NA
不是该因素的水平:
> levels(df$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"
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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.