【问题标题】:coding multiple levels with single label with factor使用带有因子的单个标签对多个级别进行编码
【发布时间】:2012-11-14 19:51:25
【问题描述】:

我的语言数据包含 200 多种语言,其中一些缺失值编码为 ''(0 个长度字符)。

我想使用factor 压缩它以编码主要语言,并将所有其他语言编码为“其他语言”,而“”被编码为“(缺失)”,出现在字符串的末尾。

我的计划是这样的:

lanfmt <- list(
  lev = c(prime <- c('English', 'Russian', 'Urdu'), diff <- setdiff(levels(lan), c(prime, '')), ''),
  lab = c(prime, diff, '')
)

table(factor(lan, lanfmt$levels, lanfmt$labels)

但 R 不喜欢多对一的因子格式。如何聚合到一个类别中?

编辑:

我决定了一个好的解决方案,如上所述使用lanfmt如下:

table(lanfmt$lab[match(lang, lanfmt$lev)])

它没有那么优雅,但它可以在紧要关头工作。

【问题讨论】:

  • 也看看this question。尽管 OP 与将整数值重新编码为字符有关,但许多(全部?)方法也适用于您的情况。

标签: r


【解决方案1】:

我认为您应该将您的因素转换为字符,编辑它们然后对其进行排序。也许这样的事情会有所帮助(lan 是您的列表/数据框的语言向量):

lan <- c("English", "Russian", "Urdu", "", "Indonesian")
lan <- factor(lan)
prime <- c("English", "Russian", "Urdu", "missing")
missing <- ""

lan <- as.character(lan)
lan[lan %in% missing] <- "missing"

lan[!lan %in% prime] <- "other language"
lan <- factor(lan)
lan
[1] English        Russian        Urdu           missing       
[5] other language
Levels: English missing other language Russian Urdu

之后您可以订购您的语言

order <- c("English", "Russian", "Urdu", "other language", "missing")
lan <- ordered(lan, order)
dt <- data.frame(lan, stuff=rnorm(5,4,1))
dt[with(dt, order(lan)),]

             lan    stuff
1        English 4.212460
2        Russian 3.681616
3           Urdu 3.409838
5 other language 3.304108
4        missing 3.938468

【讨论】:

  • 这不是我想要的,但它确实给了我这个想法。谢谢!
猜你喜欢
  • 2013-10-24
  • 1970-01-01
  • 2016-10-07
  • 1970-01-01
  • 2013-10-29
  • 2020-10-30
  • 2015-10-21
  • 1970-01-01
  • 2014-12-25
相关资源
最近更新 更多