在不改变值的顺序的情况下重新排列因子的水平
我有一些数字variables和一些分类factorvariables的数据框架。 这些因素的级别顺序不是我想要的。
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
如果我改变关卡的顺序，那么这些关键字就不再有相应的数字了（我的数据从这个意义上说是无稽之谈）。
levels(df$letters) <- c("d", "c", "b", "a") df # numbers letters # 1 1 d # 2 2 c # 3 3 b # 4 4 a
我只是想改变水平的顺序，所以当绘图，酒吧显示所需的顺序 – 这可能会有所不同，默认的字母顺序。
使用factor的levels参数：
df <- data.frame(f = 1:4, g = letters[1:4]) df # fg # 1 1 a # 2 2 b # 3 3 c # 4 4 d levels(df$g) # [1] "a" "b" "c" "d" df$g <- factor(df$g, levels = letters[4:1]) # levels(df$g) # [1] "d" "c" "b" "a" df # fg # 1 1 a # 2 2 b # 3 3 c # 4 4 d
还有一些，只是为了logging
## reorder is a base function df$letters <- reorder(df$letters, new.order=letters[4:1]) library(gdata) df$letters <- reorder.factor(df$letters, letters[4:1])
你也可能会发现有用的Relevel和combine_factor 。
所以在R词典中，你只需要改变给定因子variables的标签 （即保留数据以及因子水平不变）。
df$letters = factor(df$letters, labels=c("d", "c", "b", "a"))
假设您只想更改数据点到标签的映射关系，而不是数据或因子模式（数据点如何分为单独的元素或因子值，那么在初始创build时可能会知道最初设置映射的方式因素。
规则很简单：
- 标签通过索引值被映射到级别（即，级别[2]处的值被赋予标签，标签[2]）;
- 因子水平可以通过在水平参数中传递它们来显式设置; 要么
- 如果不为levels参数提供值，则使用默认值，这是对传入的数据向量唯一的结果（对于数据参数）。
- 标签可以通过标签参数显式设置; 要么
- 如果标签参数没有提供任何值，则使用默认值，这就是水平向量
在R中处理因素是相当奇特的工作，我必须承认…在重新sorting因子水平时，您不会重新排列基础数值。 这里有一个示例：
> numbers = 1:4 > letters = factor(letters[1:4]) > dtf <- data.frame(numbers, letters) > dtf numbers letters 1 1 a 2 2 b 3 3 c 4 4 d > sapply(dtf, class) numbers letters "integer" "factor"
现在，如果您将此因子转换为数字，您将得到：
# return underlying numerical values 1> with(dtf, as.numeric(letters)) [1] 1 2 3 4 # change levels 1> levels(dtf$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
正如你所看到的……通过改变关卡，你只能改变关卡（谁会说，呃？），而不是数值！ 但是，当你使用factor函数@Jonathan Changbuild议时，会发生一些不同的情况：你自己改变数值。
你再次遇到错误，因为你做的levels ，然后尝试与factor 。 不要这样做！ 不要使用levels否则你会搞砸（除非你确切地知道你在做什么）。
一个小小的build议：避免用与R的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）。 在这个特殊情况下，你的代码不会有问题，但有时候可能是…但是这会造成混乱，我们不希望这样做，我们呢？ =）
相反，使用这样的东西（我会再次从头开始）：
> dtf <- data.frame(f = 1:4, g = factor(letters[1:4])) > dtf fg 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 fg 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，您也可以使用df和letters而不是g来命名data.frame ，结果是OK。 实际上，这个代码和你发布的代码是一样的，只是名字被改变了。 这部分factor(dtf$letter, levels = letters[4:1])不会抛出一个错误，但它可以混淆！
仔细阅读?factor手册！ factor(g, levels = letters[4:1])和factor(g, labels = letters[4:1])之间有什么区别？ levels(g) <- letters[4:1]和g <- factor(g, labels = letters[4:1])什么相似之处？
你可以把ggplot的语法，所以我们可以帮助你在这一个更多！
干杯！！！
编辑：
ggplot2实际上需要更改两个级别和值？ 嗯…我会把这个挖出来…
由于这个问题是最后的活动，哈德利已经发布了他的新的forcats包操纵因素，我发现它非常有用。 来自OP的数据框的例子：
levels(df$letters) # [1] "a" "b" "c" "d"
要扭转关卡：
library(forcats) fct_rev(df$letters) %>% levels # [1] "d" "c" "b" "a"
要添加更多级别：
fct_expand(df$letters, "e") %>% levels # [1] "a" "b" "c" "d" "e"
还有更多有用的fct_xxx()函数。
我想补充一个例子，其中的级别可以是string和一些特殊字符，如下面的例子
df <- data.frame(x = c("15-25", "0-4", "5-10", "11-14", "100+"))
x的默认级别是：
df$x # [1] 15-25 0-4 5-10 11-14 100+ # Levels: 0-4 100+ 11-14 15-25 5-10
在这里，如果我们想根据数值重新排列因子水平，而不明确写出水平，我们可以做的是
library(gtools) df$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
我希望这可以作为未来读者的有用信息。
