在 R 中，我有 600,000 个分类变量，每个分类变量被分类为“0”、“1”或“2”。
我想做的是折叠“1”和“2”并自行留下“0”，这样在重新分类后“0”=“0”； “1”=“1”和“2”=“1”。最后，我只希望“0”和“1”作为每个变量的类别。
另外，如果可能的话，我宁愿不创建 600,000 个新变量，如果我可以用新值替换现有变量那就太好了！
最好的方法是什么？
【问题讨论】：
标签： r categories collapse
我发现使用factor(new.levels[x]) 更通用：
> x <- factor(sample(c("0","1","2"), 10, replace=TRUE))
> x
[1] 0 2 2 2 1 2 2 0 2 1
Levels: 0 1 2
> new.levels<-c(0,1,1)
> x <- factor(new.levels[x])
> x
[1] 0 1 1 1 1 1 1 0 1 1
Levels: 0 1
新的层级向量的长度必须与 x 中的层数相同，因此您也可以使用字符串和 NA 进行更复杂的重新编码
x <- factor(c("old", "new", NA)[x])
> x
[1] old <NA> <NA> <NA> new <NA> <NA> old
[9] <NA> new
Levels: new old
【讨论】：
recode() 对此有点矫枉过正。您的情况取决于当前的编码方式。假设你的变量是 x。
如果是数字
x <- ifelse(x>1, 1, x)
如果是角色
x <- ifelse(x=='2', '1', x)
如果它是级别 0,1,2 的因子
levels(x) <- c(0,1,1)
其中任何一个都可以跨数据框 dta 应用于变量 x。比如……
dta$x <- ifelse(dta$x > 1, 1, dta$x)
或者，一个框架的多个列
df[,c('col1','col2'] <- sapply(df[,c('col1','col2'], FUN = function(x) ifelse(x==0, x, 1))
【讨论】：
包car中有一个函数recode（应用回归的伴侣）：
require("car")
recode(x, "c('1','2')='1'; else='0'")
或者在普通 R 中为您的情况：
> x <- factor(sample(c("0","1","2"), 10, replace=TRUE))
> x
[1] 1 1 1 0 1 0 2 0 1 0
Levels: 0 1 2
> factor(pmin(as.numeric(x), 2), labels=c("0","1"))
[1] 1 1 1 0 1 0 1 0 1 0
Levels: 0 1
更新：要重新编码数据框 tmp 的所有分类列，您可以使用以下代码
recode_fun <- function(x) factor(pmin(as.numeric(x), 2), labels=c("0","1"))
require("plyr")
catcolwise(recode_fun)(tmp)
【讨论】：
我喜欢 dplyr 中可以快速重新编码值的功能。
library(dplyr)
df$x <- recode(df$x, old = "new")
希望这会有所帮助:)
【讨论】：
请注意，如果您只希望结果是 0-1 二元变量，则可以完全放弃因子：
f <- sapply(your.data.frame, is.factor)
your.data.frame[f] <- lapply(your.data.frame[f], function(x) x != "0")
第二行也可以写得更简洁（但可能更隐晦）
your.data.frame[f] <- lapply(your.data.frame[f], `!=`, "0")
这会将您的因素转换为一系列逻辑变量，其中“0”映射到FALSE，其他任何内容都映射到TRUE。 FALSE 和 TRUE 将被大多数代码视为 0 和 1，这反过来在分析中应该给出与使用级别为“0”和“1”的因子基本相同的结果。事实上，如果它没有给出相同的结果，那就会让人怀疑分析的正确性......
【讨论】：
您可以使用sjmisc 包的rec 函数，它可以一次重新编码一个完整的数据帧（假设所有变量至少具有相同的重新编码值）。
library(sjmisc)
mydf <- data.frame(a = sample(0:2, 10, T),
b = sample(0:2, 10, T),
c = sample(0:2, 10, T))
> mydf
a b c
1 1 1 0
2 1 0 1
3 0 2 0
4 0 1 0
5 1 0 0
6 2 1 1
7 0 1 1
8 2 1 2
9 1 1 2
10 2 0 1
mydf <- rec(mydf, "0=0; 1,2=1")
a b c
1 1 1 0
2 1 0 1
3 0 1 0
4 0 1 0
5 1 0 0
6 1 1 1
7 0 1 1
8 1 1 1
9 1 1 1
10 1 0 1
【讨论】：
使用来自 tidyverse 的 forcats 包的解决方案
library(forcats)
> x <- factor(sample(c("0","1","2"), 10, replace=TRUE))
> x
[1] 1 1 1 0 1 0 2 0 1 0
Levels: 0 1 2
> fct_collapse(x, "1" = c("1", "2"))
[1] 1 1 1 0 1 0 1 0 1 0
Levels: 0 1
【讨论】：