如何比较不同水平的两个因素？

Question

是否可以比较长度相同但水平不同的两个因子？例如，如果我们有这 2 个因子变量：

A <- factor(1:5)

str(A)
 Factor w/ 5 levels "1","2","3","4",..: 1 2 3 4 5

B <- factor(c(1:3,6,6))

str(B)
 Factor w/ 4 levels "1","2","3","6": 1 2 3 4 4

如果我尝试使用 == 运算符来比较它们：

mean(A == B)

我收到以下错误：

Error in Ops.factor(A, B) : level sets of factors are different

Answer 1

转换为字符然后比较：

# data
A <- factor(1:5)
B <- factor(c(1:3,6,6))

str(A)
# Factor w/ 5 levels "1","2","3","4",..: 1 2 3 4 5
str(B)
# Factor w/ 4 levels "1","2","3","6": 1 2 3 4 4

mean(A == B)

Error in Ops.factor(A, B) : level sets of factors are different

mean(as.character(A) == as.character(B))
# [1] 0.6

或者另一种方法是

mean(levels(A)[A] == levels(B)[B])

在 1e8 数据集上慢了 2 倍。

Answer 2

如 @zx8754 的回答那样转换为 character 是解决此问题的最简单方法，并且可能是您几乎总是想使用的方法。不过，另一种选择是更正这 2 个变量，使它们具有相同的水平。如果您出于某种原因想要将这些变量保留为 factor 并且不想重复调用 as.character.

来阻塞您的代码，您可能想要这样做

A <- factor(1:5)
B <- factor(c(1:3,6,6))

mean(A == B)
Error in Ops.factor(A, B) : level sets of factors are different

我们可以取两个因子水平的 union 来得到任一因子的所有水平，然后使用该并集作为水平重新设置因子。现在，即使这 2 个因素具有不同的值，但它们之间的水平相同，您可以比较它们：

C = factor(A, levels = union(levels(A), levels(B)))
D = factor(B, levels = union(levels(A), levels(B)))

mean(C==D)
[1] 0.6

如您所见，值未更改，但级别现在相同。

C
[1] 1 2 3 4 5
Levels: 1 2 3 4 5 6

D
[1] 1 2 3 6 6
Levels: 1 2 3 4 5 6

如何比较不同水平的两个因素？

How can I compare two factors with different levels?

r

r-factor