在运行时考虑未知水平，同时在设计时为已知水平设置标签

Question

考虑一个分解和标记向量（具有无序级别）的简单函数：

  my.factor <- function(data){
    levels = c("d1", "d2", "d3")
    labels = c("Data 1", "Data 2", "Data 3")
    factored.data = factor(data, levels, labels)
    factored.data
  }

这适用于已知关卡。但是假设将来添加了一个未知级别，我们运行我们的函数：

data = c("d1", "d2", "d3", "d1", "d100")
my.factor(data)

输出将是：

# [1] Data 1 Data 2 Data 3 Data 1 <NA>  
# Levels: Data 1 Data 2 Data 3

但是，我希望将新的未知值作为级别包含在内。也就是说，我希望输出类似于：

# [1] Data 1 Data 2 Data 3 Data 1 d100
# Levels: Data 1 Data 2 Data 3 d100

有没有一种方法可以在设计时为已知级别设置标签，同时仍然包括可能在运行时传递给我的代码的新的未知级别？

Answer 1

你可以

  my.factor <- function(data){
    levels <- c("d1", "d2", "d3")
    labels <- c("Data 1", "Data 2", "Data 3")
    nlevels <- setdiff(unique(data), levels)
    levels<-c(levels, nlevels)
    labels <-c(labels, nlevels)
    factored.data = factor(data, levels, labels)
    factored.data
  }

这给出了

data = c("d1", "d2", "d3", "d1", "d100")
my.factor(data)
# [1] Data 1 Data 2 Data 3 Data 1 d100  
# Levels: Data 1 Data 2 Data 3 d100

Answer 2

使用 %in% 是一种方式...

 my.factor <- function(data){
    levels = c("d1", "d2", "d3")
    labels = c("Data 1", "Data 2", "Data 3")
    extra <- data[!(data %in% levels)]
    if(length(extra) > 0){
    levels = c("d1", "d2", "d3", extra)
    labels = c("Data 1", "Data 2", "Data 3", extra)
    }
    factored.data = factor(data, levels, labels)
    factored.data
  }

data <- c("d1", "d2", "d3","d100")
my.factor(data)
#[1] Data 1 Data 2 Data 3 d100  
#Levels: Data 1 Data 2 Data 3 d100

data <- c("d1", "d2", "d3", "d1", "d100")
my.factor(data)
#[1] Data 1 Data 2 Data 3 Data 1 d100  
#Levels: Data 1 Data 2 Data 3 d100

Answer 3

您可以使用 plyr 包中的 mapvalues，它会重新分配一个因素的指定水平，同时保持其他因素不变：

my.factor <- function(data){
    levels = c("d1", "d2", "d3")
    labels = c("Data 1", "Data 2", "Data 3")
    plyr::mapvalues(factor(data), levels, labels)
}

my.factor(c("d1", "d2", "d3", "d100"))

在运行时考虑未知水平，同时在设计时为已知水平设置标签

Factor unknown levels at runtime while setting labels for known levels at design time

r

r-factor