指定因子变量

Question

这可能是非常微不足道的，但我无法弄清楚。 我正在编写一个 R 脚本，它将清理/组织我的数据（仍在收集），这样一旦数据收集完成，我就会把所有东西都写好。 我遇到了因子变量的问题。种族/民族变量存储为数字：1 = 白人，2 = 黑人，3 = 亚洲人，4 = 西班牙裔，5 = 其他。 现在，五个观察结果如下所示：

race <- c(1, 1, 3, 5, 2)

我想将比赛变量转换为因子，所以我尝试了：

race.f <- factor(race, labels = c("white", "black", "asian", "hisp",
"native", "other"))

但我得到了错误：

Error in factor(race, labels = c("white", "black", "asian", "hisp", 
"native",  : invalid 'labels'; length 6 should be 1 or 4

我猜这是因为我说有 6 个标签，但在我的数据集中只有 6 个可能结果中的 4 个的观察结果。 我确信这可以通过 levels 参数解决，但我不知道何时/何地使用它。我试过了

race.f <- factor(race, levels = c("white", "black", "asian", "hisp", 
"native", "other")) 

它只是创建了一堆 NA。 如果我碰巧从 6 个种族中的每个种族中至少收集一个人的数据，我上面发布的代码就可以工作。但是，不能保证会发生这种情况。在收集数据之前编写脚本时，我应该如何处理这个问题？我希望它能够处理所有可能的结果。 谢谢！

Answer 1

racelevels 是整数，需要在创建因子时为所有标签定义：

race.f <- factor(race, 
                 levels = 1:6, # one for each label
                 labels = c("white", "black", "asian", 
                            "hisp", "native", "other"))

Answer 2

您得到NA，因为默认情况下race 不是factor，并且在factor() 中使用它会导致NA，因为它无法在race 中找到指定的级别。因此我们必须首先将race中的值匹配到它们对应的races

为此，我们需要如下所示的查找向量：

vec <- c("white"=1, "black" = 2, "asian" = 3,"hispanic" = 4, "other" = 5)

set.seed(100)
race <- sample(1:5, 8, replace = T)
# [1] 2 2 3 1 3 3 5 2

race_new <- names(vec)[match(race, vec)] # match() returns the position where race matched with vec in vec
factor(race_new, levels = names(vec))
# [1] black black asian white asian asian other black
# Levels: white black asian hispanic other

---

@Imo 的建议（更简洁）：或者您可以将级别与标签参数一起用于因子：

race.f <- factor(race, levels=1:6, labels = c("white", "black", "asian",
                                              "hisp", "native", "other"))