在不更改值顺序的情况下对因子的级别进行重新排序

Question

我有包含一些数值变量和一些分类因子变量的数据框。这些因素的级别顺序不是我想要的方式。

numbers <- 1:4
letters <- factor(c("a", "b", "c", "d"))
df <- data.frame(numbers, letters)
df
#   numbers letters
# 1       1       a
# 2       2       b
# 3       3       c
# 4       4       d

如果我改变级别的顺序，字母将不再与它们对应的数字在一起（从现在起我的数据完全是无稽之谈）。

levels(df$letters) <- c("d", "c", "b", "a")
df
#   numbers letters
# 1       1       d
# 2       2       c
# 3       3       b
# 4       4       a

我只是想更改级别顺序，因此在绘图时，条形图会按所需的顺序显示 - 这可能与默认的字母顺序不同。

Answer 1

使用 factor 的 levels 参数：

df <- data.frame(f = 1:4, g = letters[1:4])
df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

levels(df$g)
# [1] "a" "b" "c" "d"

df$g <- factor(df$g, levels = letters[4:1])
# levels(df$g)
# [1] "d" "c" "b" "a"

df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

Answer 2

更多，仅供记录

## reorder is a base function
df$letters <- reorder(df$letters, new.order=letters[4:1])

library(gdata)
df$letters <- reorder.factor(df$letters, letters[4:1])

您可能还会发现有用的重新调整 和 combine_factor。

Answer 3

由于这个问题最后是活跃的，哈德利发布了他的新的用于操纵因素的forcats包，我发现它非常有用。 OP 数据框中的示例：

levels(df$letters)
# [1] "a" "b" "c" "d"

反转级别：

library(forcats)
fct_rev(df$letters) %>% levels
# [1] "d" "c" "b" "a"

添加更多级别：

fct_expand(df$letters, "e") %>% levels
# [1] "a" "b" "c" "d" "e"

以及许多更有用的 fct_xxx() 函数。

Answer 4

因此，在 R 词典中，您想要的是仅更改给定因子变量的标签（即保留数据以及因子水平< /em>，不变）。

df$letters = factor(df$letters, labels=c("d", "c", "b", "a"))

假设您只想更改数据点到标签的映射，而不是数据或因子模式（数据点如何分箱到单独的箱或因子值中，这可能有助于了解映射如何最初是在您最初创建因子时设置的，

规则很简单：

• 标签通过索引值（即值）映射到级别。
  在levels[2]处给出标签，label[2]）；
• 因子水平可以通过将它们传递给显式设置
  级别参数；或者
• 如果没有为 level 参数提供值，则使用默认值
  使用的值是在数据向量上调用unique的结果
  传入（对于 data 参数）；
• 可以通过 labels 参数显式设置标签；或者
• 如果没有为 labels 参数提供值，则默认值为
  使用的只是 levels 向量

Answer 5

我必须承认，处理 R 中的因子是一项相当特殊的工作......在重新排序因子级别时，您并没有重新排序基础数值。这里有一个小演示：

> numbers = 1:4
> letters = factor(letters[1:4])
> dtf <- data.frame(numbers, letters)
> dtf
  numbers letters
1       1       a
2       2       b
3       3       c
4       4       d
> sapply(dtf, class)
  numbers   letters 
"integer"  "factor" 

现在，如果您将此因子转换为数字，您将得到：

# return underlying numerical values
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4
# change levels
1> levels(dtf$letters) <- letters[4:1]
1> dtf
  numbers letters
1       1       d
2       2       c
3       3       b
4       4       a
# return numerical values once again
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4

正如您所看到的...通过更改级别，您仅更改级别（谁会告诉，呃？），而不是数值！但是，当您按照 @Jonathan Chang 建议使用 factor 函数时，会发生不同的情况：您自己更改数值。

您再次收到错误，因为您执行了级别，然后尝试使用因子重新级别。不要这样做！不要不要使用级别，否则你会把事情搞砸（除非你确切地知道你在做什么）。

<我>
一个小建议：避免使用与 R 对象相同的名称来命名对象（df 是 F 分布的密度函数，letters 给出小写字母）。在这种特殊情况下，您的代码不会有错误，但有时可能会……但这会造成混乱，我们不希望这样，不是吗？！？ =)

相反，使用类似这样的内容（我将再次从头开始）：

> dtf <- data.frame(f = 1:4, g = factor(letters[1:4]))
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 1 2 3 4
> dtf$g <- factor(dtf$g, levels = letters[4:1])
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 4 3 2 1

请注意，您还可以使用 df 和 < 命名 data.frame 。 code>letters 而不是 g，结果就OK了。实际上，这段代码与您发布的代码相同，只是名称发生了变化。这部分 factor(dtf$letter,levels = letters[4:1]) 不会抛出错误，但它可能会令人困惑！

仔细阅读 ?factor 手册！ factor(g,levels = letter[4:1]) 和 factor(g, labels = letter[4:1]) 之间有什么区别？ levels(g) <- letters[4:1] 和 g <- factor(g, labels = letter[4:1]) 有什么相似之处？

您可以使用 ggplot 语法，这样我们就可以在这方面为您提供更多帮助！

干杯！！！

编辑：

ggplot2实际上需要更改级别和值？嗯……我把这个挖出来……

Answer 6

我希望添加另一种情况，其中级别可以是带有数字和一些特殊字符的字符串：如下面的示例

df <- data.frame(x = c("15-25", "0-4", "5-10", "11-14", "100+"))

x 的默认级别是：

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 100+ 11-14 15-25 5-10

在这里，如果我们想根据数值对因子级别重新排序，在没有明确写出级别的情况下，我们能做的是

library(gtools)
df$x <- factor(df$x, levels = mixedsort(df$x))

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 5-10 11-14 15-25 100+
as.numeric(df$x)
# [1] 4 1 2 3 5

我希望这可以被视为对未来读者有用的信息。

Answer 7

这是我对给定数据帧的因子进行重新排序的函数：

reorderFactors <- function(df, column = "my_column_name", 
                           desired_level_order = c("fac1", "fac2", "fac3")) {

  x = df[[column]]
  lvls_src = levels(x) 

  idxs_target <- vector(mode="numeric", length=0)
  for (target in desired_level_order) {
    idxs_target <- c(idxs_target, which(lvls_src == target))
  }

  x_new <- factor(x,levels(x)[idxs_target])

  df[[column]] <- x_new

  return (df)
}

用法：reorderFactors(df, "my_col",desired_level_order = c("how","I","want"))

Answer 8

我会简单地使用级别参数：

levels(df$letters) <- levels(df$letters)[c(4:1)]

Answer 9

添加另一种非常有用的方法，因为它使我们免于记住不同包中的函数。因素的级别只是属性，因此可以执行以下操作：

numbers <- 1:4
letters <- factor(c("a", "b", "c", "d"))
df <- data.frame(numbers, letters)

# Original attributes
> attributes(df$letters)
$levels
[1] "a" "b" "c" "d"

$class
[1] "factor"

# Modify attributes
attr(df$letters,"levels") <- c("d", "c", "b", "a")

> df$letters
[1] d c b a
Levels: d c b a

# New attributes
> attributes(df$letters)
$levels
[1] "d" "c" "b" "a"

$class
[1] "factor"