如何刪除R中的一個因子水平？

Question

我需要從R中的數據框中刪除變量。我的數據包含18個因素的列：

1. 農業
2. 漁業...
3. 未分類

在創建啞變量以說“人X在Y行業工作”之前，我需要刪除因子18。 也就是說，我只需要保留前17個級別（分類級別）

在Stata中刪除該級別將是

drop if rama1 == 99

（rama1是因子列，而99是“未分類”）

然后在Stata中創建虛擬變量（每個行業一個二進制變量），我運行：

quietly tabulate rama1, generate(rama1_)

R中的是：

for(i in unique(data$rama1)) {
data[paste("type", i, sep="")] <- ifelse(data$rama1 == i, 1, 0)
}

有任何想法嗎？ 非常歡迎您的幫助

Answer 1

要刪除級別，BondedDust或jlhoward都可以使用。 要創建虛擬變量，將取決於您想要的/如何制定它。

例如，對於刪除的因子，是否要使行顯示為<NA>或0 。

---

基數R

要做到這一點，最簡單的方法是使用model.matrix在基地R.所以建立由BondedDust的例子;

df <- data.frame(x=as.factor(sample(LETTERS[1:5],100, replace=TRUE)), y=1:100)

# remove E and the level
is.na(df$x) <- df$x == "E"
df$x <- factor(df$x)

產生此：

> head(df)
     x y
1    D 1
2    C 2
3    A 3
4 <NA> 4
5    D 5
6    A 6

然后，我們可以簡單地運行model.matrix來獲取因子水平的虛擬變量。 默認情況下，它將所有NA更改為0。

> model.matrix(~x, df)
    (Intercept) xB xC xD
1             1  0  0  1
2             1  0  1  0
3             1  0  0  0
5             1  0  0  1
6             1  0  0  0
8             1  1  0  0
9             1  0  0  0
11            1  0  0  0
12            1  0  1  0

插入符號

另一種方法是使用插入符號包，當在測試/保持模型中運行這些因素/重新設置時，它可能會給您帶來更多的功能。

它包含為您執行此操作的dummyVars函數。

> xx <- dummyVars(~x, df)
> predict(xx, df)
    x.A x.B x.C x.D
1     0   0   0   1
2     0   0   1   0
3     1   0   0   0
4    NA  NA  NA  NA
5     0   0   0   1
6     1   0   0   0
7    NA  NA  NA  NA

Answer 2

R還具有“刪除”級別（毫不droplevels稱為droplevels）的droplevels 。 從上下文來看，我猜測Stata的drop更像R的is.na<- ，因為它似乎是在將該列設置為丟失項。 為了防止R顯示現在的“缺失”電平，您需要首先刪除這些值，然后刪除這些電平。

完全不需要創建多個列，每個“虛擬”都需要一個。 我懷疑在Stata中也不需要它。 我認為這是一種可能會從SAS或SPSS進行的操作。 R中的回歸和表操作將通過單個列適當地完成。

df <- data.frame(x=as.factor(sample(LETTERS[1:5],100, replace=TRUE)), y=1:100)
levels(df$x)
#[1] "A" "B" "C" "D" "E"
is.na(df$x) <- df$x == "E"
lm( y~x, df)
#--------------
Call:
lm(formula = y ~ x, data = df)

Coefficients:
(Intercept)           xB           xC           xD  
    49.3846      -0.7846       2.9838       2.7692  

如果df1$rami是通過對99進行測試所建議的數字，那么無論如何它都不是一個因素，並且對級別的討論也沒有密切關系。

Answer 3

擴大我的評論：

set.seed(1)
df <- data.frame(x=as.factor(sample(LETTERS[1:5],10, replace=TRUE)), y=1:10)
levels(df$x)
# [1] "A" "B" "C" "D" "E"
df <- df[df$x!="E",]        # remove all rows with df$x=="E"
levels(df$x)                # level E remains
# [1] "A" "B" "C" "D" "E"
df$x <- factor(df$x)        # get rid of it...
levels(df$x)
# [1] "A" "B" "C" "D"

請注意， as.factor(...)無效。