[英]replace levels of a factor by nearest levels of another factor
假設我在R中有以下數據
training = factor(c(1,1,3,2,1,3,2,34,67,34))
test = factor(c(1,1,2,30,65,30))
(我的數據要復雜得多,這是一個簡化)
我想檢查測試集中的級別是否存在於訓練集中,如果不是,則將其替換為訓練集中最接近的值。 例如,測試集中的級別30和65在訓練集中不存在,因此我想分別將它們替換為34和67。
目前,我創建了以下代碼。
replacefactor <- function(dat,new_factor,near_factor) {
if (!(near_factor %in% levels(dat))){
levels(dat) <- c(levels(dat),near_factor)
}
dat[dat==new_factor] <- near_factor
dat <- factor(dat)
}
test <- replacefactor(test,30,34)
test <- replacefactor(test,65,67)
它有效,但我需要手動指定水平。 由於我的數據大小,這對我來說不實用。
我不確定如何在訓練集中找到最接近的值。 然后我可以使用for循環來自動化它。
首先得到不匹配的水平:
test.missing <- levels(test)[!levels(test) %in% levels(training)]
然后編寫一個函數來運行它們並找到最接近的匹配:
myfun <- function(x, y) {
levels(y)[which.min(abs(as.integer(levels(y)) - as.integer(x)))]
}
> unlist(lapply(test.missing, myfun, training))
[1] "34" "67"
然后可以將其分配到正確的級別:
levels(test)[!levels(test) %in% levels(training)] <- unlist(lapply(test.missing, myfun, training))
> levels(test)
[1] "1" "2" "34" "67"
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.