将相同的因子水平应用于 R 中具有不同水平数量的多个变量

Question

我有一个 data.table 和 168 variables 和 8,278 observations。变量 69:135 最初存储为字符串。他们应该成为地区虚拟人，我想以 2 级（=是，公司在这里运营）和 1 级（=否，公司不在这里运营）结束。问题在于原始变量中存在三种不同的输入组合：1) "TRUE"、"1"、"0"、"FALSE"，2) "TRUE"、"FALSE" 和 3) "1" ，“0”。此外，约。 5 个变量只有一个值，不是“0”就是“1”。这里给出一个例子：

#generating replicable data
structure(list(
  region1 = structure(c("TRUE", "FALSE", "0", "1", NA), class = "character"), 
  region2 = structure(c("1", "1", "0", NA, NA), class = "character"), 
  region3 = structure(c(NA, "FALSE", "TRUE", NA, "FALSE"), class = "character"),
  region4 = structure(c(NA, "0", "0", NA, "0"), class = "character")),
  .Names = c("region1", "region2", "region3", "region4"), row.names = c(NA, 5), class = "data.table")

#this gives:
#   region1 region2 region3 region4
#1    TRUE       1    <NA>    <NA>
#2   FALSE       1   FALSE       0
#3       0       0    TRUE       0
#4       1    <NA>    <NA>    <NA>
#5    <NA>    <NA>   FALSE       0

我正在寻找一种方法，一次性将所有变量的“TRUE”和“1”替换为 2，将“FALSE”和“0”替换为 1。所以想要的结果是：

#   region1 region2 region3 region4
#1:       2       2      NA      NA
#2:       1       2       1       1
#3:       1       1       2       1
#4:       2      NA      NA      NA
#5:      NA      NA       1       1

我已经看过了

Apply factor levels to multiple columns with missing factor levels 和 Change level of multiple factor variables.

然而，这对我没有帮助。

我使用嵌套 ifelse() 命令尝试了以下操作：

library(data.table)
library(forcats)

check <- cbind(dt[1:68], as.data.table(apply(dt[69:135], 2, function(x) {
  ifelse("1" %in% x & "TRUE" %in% x,
         fct_collapse(x,
                      "2" = c("TRUE",
                              "1"),
                      "1" = c("FALSE",
                              "0")
         ),
         ifelse("1" %in% x & !("TRUE" %in% x),
                fct_collapse(x,
                             "2" = "1",
                             "1" = "0"),
                fct_collapse(x,
                             "2" = "TRUE",
                             "1" = "FALSE"
                )))
}
)), dt[136:168])

但是前面的代码没有给我想要的结果。它运行通过，但我收到一条警告消息，并且在检查各自的变量时，它们仍然存储为带有原始输入的字符串。

# examples of warnings
1: Unknown levels in `f`: TRUE, FALSE
2: Unknown levels in `f`: TRUE, FALSE
3: Unknown levels in `f`: TRUE, FALSE
4: Unknown levels in `f`: 0
5: Unknown levels in `f`: TRUE, FALSE
6: Unknown levels in `f`: TRUE, FALSE
7: Unknown levels in `f`: 0

它们自己以及当不与 fct_collapse 嵌套的 ifelse() 命令结合使用时：

#the ifelse statement works
ifelse("TRUE" %in% dt$region1, 2, "FALSE")
ifelse(5 %in% dt$region1, 2, "FALSE")

#also the nested ifelse statement works
ifelse("1" %in% dt$region1 & "TRUE" %in% dt$region1,
              0,
              ifelse("1" %in% dt$region1 & !("TRUE" %in% dt$region1),
                     1,
                     2
              ))


ifelse("1" %in% dt$region2 & "TRUE" %in% dt$region2,
               0,
               ifelse("1" %in% dt$region2 & !("TRUE" %in% dt$region2),
                      1,
                      2
               ))

有人知道如何解决这个问题吗？

非常感谢您提前提出任何建议！

Answer 1

这是在 for 循环中调用 set() 的方法。

library(data.table)

f <- function(x){
  x <- as.character(x)
  i1 <- x %in% c("TRUE", "1")
  i0 <- x %in% c("FALSE", "0")
  x[which(i1)] <- "2"
  x[which(i0)] <- "1"
  as.integer(x)
}

for (j in seq_along(dt)) set(dt, j = j, value = f(dt[[j]]))

dt
#   region1 region2 region3 region4
#1:       2       2      NA      NA
#2:       1       2       1       1
#3:       1       1       2       1
#4:       2      NA      NA      NA
#5:      NA      NA       1       1

多亏了，一个更简单的方法是

dt[, names(dt) := lapply(dt, f)]

将相同的因子水平应用于 R 中具有不同水平数量的多个变量

Applying same factor levels to multiple variables with differing amount of levels in R

r

data.table

factors

levels