替换因子列中的 <NA>

Question

我想用有效值替换因子列中的 <NA> 值。但我找不到办法。此示例仅用于演示。原始数据来自我要处理的一个国外csv文件

df <- data.frame(a=sample(0:10, size=10, replace=TRUE),
                 b=sample(20:30, size=10, replace=TRUE))
df[df$a==0,'a'] <- NA
df$a <- as.factor(df$a)

可能看起来像这样

现在我想用数字替换 <NA> 值。

df[is.na(df$a), 'a'] <- 88
In `[<-.factor`(`*tmp*`, iseq, value = c(88, 88)) :
  invalid factor level, NA generated

我想我错过了关于因子的基本 R 概念。我是吗？我不明白为什么它不起作用。我认为 invalid factor level 意味着 88 不是该因素的有效水平，对吗？所以我要告诉factor列还有一个层次？

Answer 1

因子变量的基本概念是它只能取特定值，即levels。不在 levels 中的值无效。

你有两种可能：

如果您有遵循此概念的变量，请确保在创建它时定义所有级别，即使是那些没有对应值的级别。

或者将变量设为字符变量并使用它。

PS：这些问题往往是数据导入导致的。例如，您在那里显示的内容看起来应该是数字变量而不是因子变量。

Answer 2

1) addNA 如果 fac 是一个因子 addNA(fac) 是相同的因子，但添加了 NA 作为一个水平。参见 ?addNA

要强制 NA 级别为 88:

facna <- addNA(fac)
levels(facna) <- c(levels(fac), 88)

给予：

> facna
 [1] 1  2  3  3  4  88 2  4  88 3 
Levels: 1 2 3 4 88

1a) 可以这样写成一行：

`levels<-`(addNA(fac), c(levels(fac), 88))

2) factor 也可以使用 factor 的各种参数在一行中完成，如下所示：

factor(fac, levels = levels(addNA(fac)), labels = c(levels(fac), 88), exclude = NULL)

2a) 或等效的：

factor(fac, levels = c(levels(fac), NA), labels = c(levels(fac), 88), exclude = NULL)

3) ifelse 另一种做法是：

factor(ifelse(is.na(fac), 88, paste(fac)), levels = c(levels(fac), 88))

4) forcats forcats 包有一个函数：

library(forcats)

fct_explicit_na(fac, "88")
## [1] 1  2  3  3  4  88 2  4  88 3 
## Levels: 1 2 3 4 88

注：我们使用了下面的输入fac

fac <- structure(c(1L, 2L, 3L, 3L, 4L, NA, 2L, 4L, NA, 3L), .Label = c("1", 
"2", "3", "4"), class = "factor")

更新： 改进了 (1) 并添加了 (1a)。稍后添加 (4).

Answer 3

问题是 NA 不是那个因素的水平：

> levels(df$a)
[1] "2"  "4"  "5"  "9"  "10"

您无法立即更改它，但可以使用以下方法：

df$a <- as.numeric(as.character(df$a))
df[is.na(df$a),1] <- 88
df$a <- as.factor(df$a)
> df$a
 [1] 9  88 3  9  5  9  88 8  3  9 
Levels: 3 5 8 9 88
> levels(df$a)
[1] "3"  "5"  "8"  "9"  "88"

Answer 4

另一种方法是：

#check levels
levels(df$a)
#[1] "3"  "4"  "7"  "9"  "10"

#add new factor level. i.e 88 in our example
df$a = factor(df$a, levels=c(levels(df$a), 88))

#convert all NA's to 88
df$a[is.na(df$a)] = 88

#check levels again
levels(df$a)
#[1] "3"  "4"  "7"  "9"  "10" "88"

Answer 5

如果使用 factor 函数，我的方法会有点传统：

a <- factor(a, 
            exclude = NULL, 
            levels = c(levels(a), NA),
            labels = c(levels(a), "None"))

您可以将 "None" 替换为您想要的适当替换（例如 0L）

Answer 6

我遇到了类似的问题，我想添加我认为最实用（也最简洁）的解决方案：

将列转换为 character 列，使用 mutate 和一个简单的 ifelse 语句将 NA 值更改为您想要的因子水平是（我选择了“None”），将其转换回 factor 列：

df %>% mutate(
a = as.character(a),
a = ifelse(is.na(a), "None", a),
a = as.factor(a)
)

干净且无痛，因为当 factor 列中出现 NA 值时，您实际上不必涉足这些值。你绕过了怪异并最终得到一个干净的 factor 变量。

此外，为了回应下面关于多列的评论：您可以将语句包装在一个函数中并使用 mutate_if 到 select 所有因子变量，或者，如果您知道关注的列，mutate_at 应用该函数：

replace_factor_na <- function(x){
  x <- as.character(x)
  x <- if_else(is.na(x), "None", x)
  x <- as.factor(x)
}

df <- df %>%
  mutate_if(is.factor, replace_factor_na)

替换因子列中的 <NA>

Replace <NA> in a factor column

replace

r

dataframe

na