使用 dplyr::recode 重新编码空字符串答案

【问题标题】：Recode empty string with dplyr::recode使用 dplyr::recode 重新编码空字符串
【发布时间】：2018-02-27 10:32:14
【问题描述】：

考虑这些factor 对象：

x <- factor(c(1,2,2,4,5), 1:5, labels = c('Ja', 'Nein', '', 'Weiß nicht', 'Keine Antwort'))
y <- factor(c(1:5), 1:5, labels = c('Ja', 'Nein', '', 'Weiß nicht', 'Keine Antwort'))

> table(x)
x
           Ja          Nein                  Weiß nicht Keine Antwort 
            1             2             0             1             1 

> table(y)
y
           Ja          Nein                  Weiß nicht Keine Antwort 
            1             1             1             1             1

我正在尝试使用dplyr::recode 重新编码各种变量。我无法获得将空字符串级别重新编码为 NA 并删除特定因子级别的函数。

使用

dplyr::recode(x,
              "Weiß nicht" = NA_character_,
              "Weiß nicht " = NA_character_,
              "Keine Antwort" = NA_character_,
              "Keine Antwort " = NA_character_,
              "k.A." = NA_character_,
              "Keine Angabe" = NA_character_,
              "0" = NA_character_,
              "" = NA_character_)

将导致错误消息 (Error: attempt to use zero-length variable name)。使用

z <- dplyr::recode(na_if(x, ""),
              "Weiß nicht" = NA_character_,
              "Weiß nicht " = NA_character_,
              "Keine Antwort" = NA_character_,
              "Keine Antwort " = NA_character_,
              "k.A." = NA_character_,
              "Keine Angabe" = NA_character_,
              "0" = NA_character_)

如Recode character vector with some empty strings 中所述并没有摆脱空字符串级别：

> table(z)
z
  Ja Nein      
   1    2    0 
> levels(z)
[1] "Ja"   "Nein" ""

此外，我不能简单地使用droplevels，因为我想对可能需要保留空类别的变量使用该函数。

解决方案需要提供给事物：

将任何出现的"" 重新编码为NA。
从factor 变量中删除级别""，即使它未使用（如x），也不会删除每个未使用的级别。

【问题讨论】：

标签： r string dplyr na recode

【解决方案1】：

我们在recode之前将""的levels分配给NA

levels(x)[levels(x)==""] <- NA_character_
y <- dplyr::recode(x,
          "Weiß nicht" = NA_character_,
          "Weiß nicht " = NA_character_,
          "Keine Antwort" = NA_character_,
          "Keine Antwort " = NA_character_,
          "k.A." = NA_character_,
          "Keine Angabe" = NA_character_,
          "0" = NA_character_))

levels(y)
#[1] "Ja"   "Nein"

table(y)
y
#  Ja Nein 
#  23 2728

使用较小的数据集

x2 <- x1[1:7]
levels(x2)[levels(x2)==""] <- NA_character_
x2
#[1] b    b    e    d    d    <NA> b   
#Levels: a b c d e


table(dplyr::recode(x2, "b" = NA_character_))

#  a c d e 
#  0 0 2 1

这里 'c' 和 'a' 是未使用的级别，而 'b' 更改为 NA 以及 "" 更改为 NA

数据

set.seed(24)
x1 <- factor(sample(c(letters[1:5], ""), 20, replace = TRUE))
x2 <- x1[1:7]

【讨论】：

这会丢弃所有未使用的关卡，不是吗？我需要保留重新编码方案中未提及的未使用级别，否则我可以使用droplevels。
@LAP 是的，没错，但这不是问题
问题是将数据中出现的"" 的任何情况重新编码为NA 并从factor 项目中删除此特定级别，而不会删除所有未使用的级别。我会在我的问题中澄清它。
@LAP 请让它成为一个更一般的案例。你有一个很大的例子。使其简短而笼统
这可能是最简单的解决方案，谢谢。虽然recode 无法解决这个问题，但我很烦。