使用 .SD 和 lapply 清理数据表中的因子水平

Question

这个问题与这个问题Cleaning up factor Levels collapsing multiple Level labels 有关，但我想将此扩展到数据表并折叠我的数据表的一部分列的因子水平。我一直在努力在数据表中使用 lapply...

这是我的 MWE 以及我想分别对两列使用 levels() 来实现的目标

df<-data.table(Index=1:3,factor1=c("Yes", "No", "0"), factor2=c("yes","no","no"))
str(df)
subset_factor<-c("factor1", "factor2")
label.yesno<- list("Yes" = c("Yes","yes"),
                   "No"   = c("No", "no"))
df[,(subset_factor):=lapply(.SD,factor),.SD=subset_factor]
str(df)

levels(df$factor1)<-label.yesno
levels(df$factor2)<-label.yesno
df

我希望在创建因子时可以直接使用该列表

df[,(subset_factor):=lapply(.SD,factor, labels=label.yesno),.SD=subset_factor]

或者我可以以某种方式在另一个步骤中使用级别因素。但我找不到任何类似的东西。我实际上希望将“0”转换为 NA，因为它在我的 MWE 中完成。

Answer 1

我认为你可以编写一个简单的辅助函数来简化这个过程：

# df<-data.table(Index=1:3,factor1=c("Yes", "No", "0"), factor2=c("yes","no","no"))
# str(df)
# subset_factor<-c("factor1", "factor2")
# label.yesno<- list("Yes" = c("Yes","yes"),
#                    "No"   = c("No", "no"))

f <- function(x, lab){
    res <- factor(x)
    levels(res) <- lab
    res
}
df[, (subset_factor) := lapply(.SD, f, lab = label.yesno), .SDcols = subset_factor]