如何通过向量中字符串的权重分配因子水平？

Question

我想根据字符串权重分配因子级别。通常 R 似乎按字母顺序分配因子水平：

set.seed(54)

x <- sample(1:10, 5000, replace = TRUE)
x <- "levels<-"(as.factor(x), LETTERS[1:10])

> summary(x)
  A   B   C   D   E   F   G   H   I   J 
524 508 519 489 477 496 507 526 473 481

我可以重新排序因子水平并重新分配它们，如下所示：

l <- data.frame(x=summary(x), old.levels=names(summary(x)), 
                        row.names = NULL)

l <- transform(l[order(summary(x)), ],
               new.levels=LETTERS[1:10])

levels(x) <- l[order(l$old.levels), 3]

> summary(x)
  I   G   H   D   B   E   F   J   A   C 
524 508 519 489 477 496 507 526 473 481

但是我并没有改变因子值：

> summary(as.factor(as.numeric(x)))
  1   2   3   4   5   6   7   8   9  10 
524 508 519 489 477 496 507 526 473 481

如何巧妙地得到我想要的？

Answer 1

factor 的默认行为确实是对级别进行排序然后分配标签。

set.seed(54)

x <- sample(letters[1:10], 5000, replace = TRUE)

f1 <- factor(x, labels = LETTERS[1:10])
f2 <- factor(x, levels = sort(unique(x)), LETTERS[1:10])

summary(f1)
#>   A   B   C   D   E   F   G   H   I   J 
#> 524 508 519 489 477 496 507 526 473 481
identical(f1, f2)
#> [1] TRUE

如果您只想按频率顺序分配标签，您可以通过创建因子时重新排序标签：

f3 <- factor(x, levels = sort(unique(x)), LETTERS[1:10][order(table(x))])
summary(f3)
#>   I   E   J   D   F   G   B   C   A   H 
#> 524 508 519 489 477 496 507 526 473 481

如果您希望标签按频率顺序排列并且级别按字母顺序排序，请在因子创建期间改为排序级别：

f4 <- factor(x, levels = sort(unique(x))[order(table(x))], LETTERS[1:10])
summary(f4)
#>   A   B   C   D   E   F   G   H   I   J 
#> 473 477 481 489 496 507 508 519 524 526

由 reprex package (v0.2.0) 创建于 2018-03-16。

如何通过向量中字符串的权重分配因子水平？

How to assign factor levels by the weight of strings in a vector?

r

r-factor