用缺失值映射 R 中的数据

Question

我是 R 的新手，我正在尝试将数据字典定义映射到一组数据以制作更具可读性的文本。

例如，基于目前在 Kaggle 上的 Ames Iowa 住房数据集中的数据字典，我正在尝试绘制房屋分区图。

mapping <- list(
  'A'='Agriculture',
  'C (all)'='Commercial',
  'FV'='Floating Village Residential',
  'I'='Industrial',
  'RH'='Residential High Density',
  'RL'='Residential Low Density',
  'RP'='Residential Low Density Park',
  'RM'='Residential Medium Density'
)

housingData$MSZoning <- as.factor(as.character(mapping[origData$MSZoning]))

然而，原始数据集并不包含所有这些数据点的值。

> table(origData$MSZoning)

C (all)      FV      RH      RL      RM 
     10      65      16    1151     218

用我的代码映射后，键值对不对齐。（例如，农业被映射到 "C"。）我相信源数据中的空值会影响我的映射。

> table(housingData$MSZoning, origData$MSZoning)

                               C (all)   FV   RH   RL   RM
  Agriculture                       10    0    0    0    0
  Commercial                         0   65    0    0    0
  Floating Village Residential       0    0   16    0    0
  Industrial                         0    0    0 1151    0
  Residential High Density           0    0    0    0  218

确保这些键和值正确对齐的更合适的方法是什么？

Answer 1

使用重新编码命令，我能够使这段代码正常工作。

library(car)

housingData$MSZoning <- recode(housingData$MSZoning,
  "'A'='Agriculture';
  'C (all)'='Commercial';
  'FV'='Floating Village Residential';
  'I'='Industrial';
  'RH'='Residential High Density';
  'RL'='Residential Low Density';
  'RP'='Residential Low Density Park';
  'RM'='Residential Medium Density'"
)

现在，运行 table 交叉表，我正确地看到了值映射。

> table (housingData$MSZoning, origData$MSZoning)

                               C (all)   FV   RH   RL   RM
  Commercial                        10    0    0    0    0
  Floating Village Residential       0   65    0    0    0
  Residential High Density           0    0   16    0    0
  Residential Low Density            0    0    0 1151    0
  Residential Medium Density         0    0    0    0  218

用缺失值映射 R 中的数据

Mapping Data in R with missing values

r

data-mapping

data-dictionary