删除“空单元格”作为因子级别答案

【问题标题】：Remove 'empty cells' as factor level删除“空单元格”作为因子级别
【发布时间】：2014-08-27 08:17:49
【问题描述】：

我有一个数据框，它有一列，一列有一些数据和一些空单元格。当我检查该列的级别时，它显示三个级别，因为它将空单元格作为一个级别。我想删除那个级别。假设我有

df <- data.frame(fan = c("a","b"," ","a","b"))

我试过这个代码

droplevels(df)

但它不起作用。

【问题讨论】：

标签： r

【解决方案1】：

试试：

 df$fan[grepl("^\\s*$", df$fan)] <- NA #in case you have  c(" ", "", "a", "b", "   ")

说明

^(|\\s+)$- 匹配空引号'' 或引号(" ", " ", " ") 中的空格。因此，更笼统。

  str(droplevels(df))
  #'data.frame':    5 obs. of  1 variable:
  #$ fan: Factor w/ 2 levels "a","b": 1 2 NA 1 2

如果你想创建一个删除空单元格的新数据集

  df1 <- droplevels(df[!grepl("^\\s*$", df$fan),,drop=FALSE] )
  str(df1)
  #'data.frame':    4 obs. of  1 variable:
  #$ fan: Factor w/ 2 levels "a","b": 1 2 1 2

【讨论】：

\\s* 会比 (|\\s+) 简单
@hadley 感谢您的建议。我修改了代码

【解决方案2】：

'droplevels' 确实有效。无需复杂代码：

df <- data.frame(fan = c("a","b"," ","a","b")) 
df
#  fan
#1   a
#2   b
#3    
#4   a
#5   b

df$fan[df$fan==' ']=NA
df$fan = droplevels(df$fan)
str(df)
#'data.frame':   5 obs. of  1 variable:
# $ fan: Factor w/ 2 levels "a","b": 1 2 NA 1 2

【讨论】：

【解决方案3】：

如果您使用的是 csv，这可能会有所帮助：

data<-read.csv(file = "data.csv", na.strings = "", stringsAsFactors = T)

我修改了之前的回复，添加了, stringsAsFactors = T 所以，以后它不会像Createtableone那样在任何后续分析中报告NA

【讨论】：

如果问题实际上有空单元格，这是正确的解决方案，就像我一样。出于某种原因，我还没有完全弄清楚，通过 readr::read.csv2 导入的数据集中的一些空白单元格不会作为 NA 导入，而是保留为没有任何存储值或 NA 的空白单元格。因子列也没有将空白值记录为任何级别，即使它确实发生在同一导入的不同列中。明确指定空白单元格作为 NA 解决了它。

【解决方案4】：

当您将文件读入 R 时，您可以通过在 read.csv（或 read.xxx）中使用 na.strings 参数首先避免将“空单元格”作为因子级别包含在内。 na.strings 参数定义“将被解释为 NA 值的字符串”。

这是一个示例，其中我读取了我从您的“df”创建的文本文件 (foo.csv)：

read.csv(file = "foo.csv", na.strings = " ")
#    fan
# 1    a
# 2    b
# 3 <NA>
# 4    a
# 5    b

str(as.factor(df2$fan))
# Factor w/ 2 levels "a","b": 1 2 NA 1 2

读取文件时，空字段现在被视为NA，因此“空白”不包含在因子级别中。

来自?read.table：“空白字段 [...] 被认为是逻辑、整数、数字和复杂字段中的缺失值”。但是，在您的数据中，变量“fan”是character。如果您在options 或read.xxx 中有stringsAsFactors = TRUE，则character 向量将转换为factor。

【讨论】：