6.16 重计算数据框所有因子列的水平

6.16.1 问题

你想要重新计算一个数据框中所有因子列（变量）的因子水平。

6.16.2 方案

有时候在读入和清理数据之后，你会发现数据（数据框）结果中有的因子列有一些不存在的因子水平。

例如，下面的d有一个空行。当它被读入时，因子列会出现水平 ""，它不应该是数据的一部分。

  1. d <- read.csv(header = TRUE, text = "
  2. x,y,value
  3. a,one,1
  4. ,,5
  5. b,two,4
  6. c,three,10
  7. ")
  9. d
  10. #>   x     y value
  11. #> 1 a   one     1
  12. #> 2             5
  13. #> 3 b   two     4
  14. #> 4 c three    10
  16. str(d)
  17. #> 'data.frame':    4 obs. of  3 variables:
  18. #>  $ x    : Factor w/ 4 levels "","a","b","c": 2 1 3 4
  19. #>  $ y    : Factor w/ 4 levels "","one","three",..: 2 1 4 3
  20. #>  $ value: int  1 5 4 10

即便移除了空行，因子中仍有水平 ""：

  1. # 移除第二行
  2. d <- d[-2, ]
  3. d
  4. #>   x     y value
  5. #> 1 a   one     1
  6. #> 3 b   two     4
  7. #> 4 c three    10
  9. str(d)
  10. #> 'data.frame':    3 obs. of  3 variables:
  11. #>  $ x    : Factor w/ 4 levels "","a","b","c": 2 3 4
  12. #>  $ y    : Factor w/ 4 levels "","one","three",..: 2 4 3
  13. #>  $ value: int  1 4 10

6.16.2.1 使用 droplevels()

最简单的方式是使用 droplevels() 函数：

  1. d1 <- droplevels(d)
  2. str(d1)
  3. #> 'data.frame':    3 obs. of  3 variables:
  4. #>  $ x    : Factor w/ 3 levels "a","b","c": 1 2 3
  5. #>  $ y    : Factor w/ 3 levels "one","three",..: 1 3 2
  6. #>  $ value: int  1 4 10

6.16.2.2 使用 vapply() 和 lapply()

为了重新计算所有因子列的水平，我们使用以 is.factor() 为参数的 vapply()函数去找出哪些列是因子，然后再利用以 factor()函数为参数的 lapply() 操作将那些列重新计算因子水平。

  1. # 找出哪些列是因子
  2. factor_cols <- vapply(d, is.factor, logical(1))
  4. # 把 factor() 函数应用到那些列，并把结果赋回 d
  5. d[factor_cols] <- lapply(d[factor_cols], factor)
  6. str(d)
  7. #> 'data.frame':    3 obs. of  3 variables:
  8. #>  $ x    : Factor w/ 3 levels "a","b","c": 1 2 3
  9. #>  $ y    : Factor w/ 3 levels "one","three",..: 1 3 2
  10. #>  $ value: int  1 4 10

6.16.3 另见

关于重计算一个因子变量水平的信息，参见重计算因子水平。