试图转换因子值。取而代之的是获取 NA 或不正确的值

Question

我有一个数据框“棒球”，其中包含一些大学棒球运动员的击球数据。我正在尝试将球员的大学年份（Fr.、So.、Jr.、Sr.）转换为数值（1、2、3、4）。我尝试了几种不同的方法，但似乎都无法正确使用。

这就是我要开始的：

    > baseball$Yr.
    [1] Jr. Jr. So. Jr. Jr. Fr. Jr. Jr. So. Jr.
    [11] Sr. Jr. Sr. So. Jr. Sr. So. Jr.
    Levels: Fr. Jr. So. Sr.

1) 首先，我尝试了这个：

    > modBaseball = baseball
    > levels(modBaseball$Yr.)
      [1] "Fr." "Jr." "So." "Sr."
    > levels(modBaseball$Yr.) = c(1,3,2,4)
    > modBaseball$Yr.
      [1] 3 3 2 3 3 1 3 3 2 3 4 3 4 2 3 4 2 3
      Levels: 1 3 2 4
    > class(modBaseball$Yr.)
      [1] "factor"

“modBaseball$Yr。”是正确的，除了类仍然是一个因素，所以我这样做了：

    > class(modBaseball$Yr.) = "integer"
    > class(modBaseball$Yr.)
      [1] "integer"
    > modBaseball$Yr.
      [1] 2 2 3 2 2 1 2 2 3 2 4 2 4 3 2 4 3 2
      attr(,"levels")
      [1] "1" "3" "2" "4"

现在，价值观发生了变化！我认为这是因为因素的存储方式以及我输入新级别的顺序。

2) 所以，我又试了一次，但这次我将级别设置为c(1,2,3,4)。正如预期的那样，这些值被错误地分配了。

3) 然后，我做了一些研究，并尝试先手动创建因子：

    > modBaseball = baseball
    > f = factor(modBaseball$Yr., levels=c(1,2,3,4), ordered=TRUE)
    > f
      [1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
      [9] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
      [17] <NA> <NA>
      Levels: 1 < 2 < 3 < 4

现在数据都是 NA 的！我究竟做错了什么？我希望因子函数将级别 1、2、3、4 分配给有序的值列表，但显然，它不是这样工作的。

感谢您的帮助。

Answer 1

您首先可以正确地调整因素。

modBaseball$Yr. = factor(modBaseball$Yr., levels=c("Fr.","So.", "Jr.", "Sr.")). 

那么常规的 as.numeric() 应该就可以了

as.numeric(modBaseball$Yr.)

另外，当您明确指定级别的顺序时，大多数绘图和汇总函数的输出顺序也将自动按照该顺序。

Answer 2

应该做的伎俩：

c(1,3,2,4)[baseball$Yr]

如果您详细了解因子在 R 中的工作原理，您会发现因子实际上只是带有“字符”标签的整数。因此，当您看到"Fr.", "Sr." 时，R 将其视为1, 4，并且只知道您希望 1 对应于 Fr.，等等。

R 自然地按字母顺序排序，这就是为什么它有Fr., Jr., So., Sr. 的顺序。所以 Jr. 实际上对应于 2 和 So。 to 3. Sr 和 Fr 正好在正确的位置。

上面的代码行说取向量1, 3, 2, 4。由于 R 将 Jr. 视为 2，因此每次看到 Jr.（实际上是 2）时，它将采用该向量的第二个元素，即 3。