r - factor() 中的未指定水平

Question

我正在使用 R 中的一个数据集，它带有一个代码本，它基本上告诉我因子变量的不同级别的标签应该是什么。例如，使用密码本，我可以看到在我的“性别”变量中，0 是“女性”，1 是“男性”。我正在使用此信息相应地标记变量中的值。

然而，令我沮丧的是，我最近发现密码本并不完整。例如，对于一个变量，它告诉我 1 是"is"，2 是“否”，但没有告诉我 7、8 和 9 是什么，我可以在数据中看到这些。我想要做的是如下标记这个变量(或类似的东西):

data$variable <- factor(data$variable,
                        levels=c(1, 2, 7, 8, 9),
                        labels=c("Yes", "No", "7", "8", "9"))

基本上，我希望码本中未指定的所有级别都标记为它们自己。我遇到的问题是这个代码本缺少其中的很多，我真的宁愿不必手动查看数据中所有未定义的值来为ever变量构建上述代码。另外，如果我忽略那些缺失的级别，R 会自动将它们标记为“NA”，这是我不想要的。

总结:我试图弄清楚如何使用 factor() 这样而不是将所有未指定的级别标记为“NA”，而是将它们标记为它们自己。

Answer 1

您可以在创建因子后转换级别，以便我们可以利用它来发挥我们的优势。

mydat <- c(1, 2, 3,2,3,4,3,2,1,2,4,4,6,5,7,8,9)
# convert to factor ignoring code book
dat <- factor(mydat)
# Create map corresponding to codebook levels
mymap <- c("1" = "Yes", "2" = "No")
# Figure out which levels are accounted for by codebook
id <- levels(dat) %in% names(mymap)
# Convert to appropriate values
levels(dat)[id] <- mymap[levels(dat)[id]]

或者(可能更容易一些)

# alternatively we can construct the map if we have two vectors
# of the value and the codebook value
val <- c(1, 2)
lev <- c("Yes", "No")

dat <- factor(mydat)
levels(dat)[val] <- lev