使用字符串距离技术在 R 中创建因子变量

Question

我是一名新的 R 爱好者，致力于扩展我的知识。我正在阅读 Edwin de Jonge 和 Mark van der Loo 撰写的 An Introduction To Data Cleaning With R 文章。我正在做练习 2.4，如果有人能证实我解决这个特定问题的技巧，我将不胜感激： 这是原始数据：

1 // Survey data. Created : 21 May 2013
2 // Field 1: Gender
3 // Field 2: Age (in years)
4 // Field 3: Weight (in kg)
5 M;28;81.3
6 male;45;
7 Female;17;57,2
8 fem.;64;62.8

这是我能够构建的更简洁的版本：

df:  
Gender Age..in.years. Weight..in.kg.
1      M             28           81.3
2   male             45           <NA>
3 Female             17           57,2
4   fem.             64           62.8

这就是我使用 adist 重新编码得到的结果

D:
rawtext  coded
1       M   male
2    male   male
3  Female female
4    fem. female

现在我必须将 Gender 列转换为带有标签 man 和 woman 的因子变量。 我不知道如何继续，我正在考虑将数据的性别列更改为以下列向量：

    f <- factor(D$coded, levels = c("male", "female"), labels = c("man", "woman"))

返回：

    [1] man   man   woman woman
    Levels: man woman

我是正确的还是完全错误的？有没有办法使用transform直接改变df中的Gender变量？即这样做更好：

df$Gender <- plyr::revalue(D$coded, c(male = "man", female = "woman"))

或者是否有另一种方法可以在不使用多个 ifesle 命令的情况下将 Gender 变量的观察结果更改为“男人”或“女人”？

我试图通过更多地了解因素来获得答案，但在任何地方都找不到与此非常相似的东西。 谢谢。

Answer 1

线

f <- factor(D$coded, levels = c("male", "female"), labels = c("man", "woman"))

确实起作用了，但只是因为你很幸运——也就是说，因为D$coded 的等级是按照c("male", "female") 的顺序排列的。如果它们的顺序不同，那么男人和女人的标签就会被转移到你的新因素中。 （毕竟，您永远不会在该行中指定哪个级别应该转到“男性”以及哪个级别应该转到“女性”！）

在重新评估因子的水平时，使用 plyr 包中的 revalue 函数更安全、更简单：

f <- plyr::revalue(D$coded, c(male = "man", female = "woman"))

Answer 2

使用基础 R：

levels(f) <- list(man = "male", woman = "female")