R：仅将函数应用于“因子”变量

Question

我正在使用 R。我有一个包含字符变量和数字变量的数据集 - 我正在尝试用“0”替换此数据中的所有 NA 和空值。

最近，我学会了如何将因子变量中的“NA”值替换为 0 (R: replacing <NA> within factor variables as 0)：

# "df" is the dataset, "a" is the variable
#Include 0 in the levels for "a" variable
levels(df$a) <- c(levels(df$a), 0)
#Replace NA to 0
df[is.na(df)] <- 0

现在，我正在尝试学习如何将此命令应用于“df”中的每个因子变量。

我学会了如何识别所有包含“因子”变量的列：

is.fact <- sapply(df, is.factor)

从这里，有没有办法运行这个命令

levels(df$a) <- c(levels(df$a), 0)

对于数据中的每个因子变量？

目前，我正计划为所有变量手动重写此命令，例如：

levels(df$a) <- c(levels(df$a), 0)
levels(df$b) <- c(levels(df$b), 0)
levels(df$c) <- c(levels(df$c), 0)

等

然后运行以下行：

df[is.na(df)] <- 0

但我试图找到一种更快的方法来做到这一点。

有人知道怎么做吗？有人可以告诉我一个更快的方法来解决这个问题吗？

谢谢

Answer 1

您可以lapply 一次，然后对每一列进行处理。在处理每一列的过程中，您可以检查该列是否为Factor。如果是因子向量，则进行转换，如果不直接返回列。

这是带有示例data.frame 的完整代码。

df <- data.frame(
    a = factor(c(1, 2, 4, NA, 5, 6)),
    b = c("a", "b", "c", NA, "e", "f"),
    c = factor(c(NA, 1, 2, 3, 4, 5))
)

replaceNA <- function (df) {
    result <- lapply(df, function(col) {
        if (is.factor(col)) {
            levels(col) <- c(levels(col), 0)
        }
        return (col)
    })
    result[is.na(result)] <- 0
    return (result)
}

replaceNA(df)

Answer 2

这是一个基本的 R 选项（从 @Martin Gal 借用 df）

list2DF(
  lapply(
    df,
    function(x) {
      if (is.factor(x)) {
        replace(`levels<-`(x, c(levels(x), 0)), is.na(x), 0)
      } else {
        x
      }
    }
  )
)

给了

   a b    A
1  k x    d
2  u e    b
3  d h    o
4  y s    t
5  j y    u
6  t k    m
7  j 0    i
8  p 0    e
9  o z    d
10 0 s    t
11 o a    v
12 h q    t
13 c d    g
14 m b    o
15 b d    b
16 0 y    j
17 w 0    h
18 n t    b
19 i 0 <NA>
20 b z    x
21 g 0    g
22 h d    s
23 v a    j
24 w 0    b
25 y 0    c
26 n 0    i
27 l j    b
28 g 0    b
29 f h    h
30 0 0    i

Answer 3

您可以使用 dplyr 和 tidyr 来完成此任务：

library(dplyr)
library(tidyr)

df %>% 
  tibble() %>% 
  mutate(across(where(is.factor), ~replace_na(`levels<-`(.x, c(levels(.x), 0)), 0)))

主要思想是使用dplyr 的across 函数来查找带有factors 的每一列并将您的函数应用于此。这里使用的第二个想法是

levels(df$a) <- c(levels(df$a), 0)

和

一样

`levels<-`(df$a, c(levels(df$a), 0))

赋值只是我们可以在管道中使用的一种特殊函数。所以代码应用到

df <- structure(list(a = structure(c(9L, 16L, 3L, 19L, 8L, 15L, 8L, 
14L, 13L, NA, 13L, 6L, 2L, 11L, 1L, NA, 18L, 12L, 7L, 1L, 5L, 
6L, 17L, 18L, 19L, 12L, 10L, 5L, 4L, NA), .Label = c("b", "c", 
"d", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "t", 
"u", "v", "w", "y"), class = "factor"), b = structure(c(11L, 
4L, 5L, 9L, 12L, 7L, NA, NA, 13L, 9L, 1L, 8L, 3L, 2L, 3L, 12L, 
NA, 10L, NA, 13L, NA, 3L, 1L, NA, NA, NA, 6L, NA, 5L, NA), .Label = c("a", 
"b", "d", "e", "h", "j", "k", "q", "s", "t", "x", "y", "z"), class = "factor"), 
    A = c("d", "b", "o", "t", "u", "m", "i", "e", "d", "t", "v", 
    "t", "g", "o", "b", "j", "h", "b", NA, "x", "g", "s", "j", 
    "b", "c", "i", "b", "b", "h", "i")), class = "data.frame", row.names = c(NA, 
-30L))

返回

# A tibble: 30 x 3
   a     b     A    
   <fct> <fct> <chr>
 1 k     x     d    
 2 u     e     b    
 3 d     h     o    
 4 y     s     t    
 5 j     y     u    
 6 t     k     m    
 7 j     0     i    
 8 p     0     e    
 9 o     z     d    
10 0     s     t    
11 o     a     v    
12 h     q     t    
13 c     d     g    
14 m     b     o    
15 b     d     b    
16 0     y     j    
17 w     0     h    
18 n     t     b    
19 i     0     NA   
20 b     z     x    
21 g     0     g    
22 h     d     s    
23 v     a     j    
24 w     0     b    
25 y     0     c    
26 n     0     i    
27 l     j     b    
28 g     0     b    
29 f     h     h    
30 0     0     i