forcats处理因子（创建因子、修改因子水平）

使用forcats处理因子

library(tidyverse)

library(forcats)

1.2　创建因子

假设我们想要创建一个记录月份的变量：

x1 <- c("Dec", "Apr", "Jan", "Mar")

使用字符串来记录月份有两个问题：

(1) 月份只有 12 个取值，如果输入错误，那么代码不会有任何反应。

x2 <- c("Dec", "Apr", "Jam", "Mar")

(2) 其对月份的排序没有意义。

sort(x1)

 

可以通过使用因子来解决以上两个问题。要想创建一个因子，必须先创建有效水平的一个列表：

month_levels <- c(

 "Jan", "Feb", "Mar", "Apr", "May", "Jun",

 "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"

)

创建因子了：

y1 <- factor(x1, levels = month_levels)

y1

 

sort(y1)

 

不在有效水平集合内的所有值都会自动转换为 NA：

y2 <- factor(x2, levels = month_levels)

y2

 

如果想要显示错误信息，那么你可以使用 readr::parse_factor() 函数：

y2 <- parse_factor(x2, levels = month_levels)

 

如果省略了定义水平的这个步骤，那么会将按字母顺序排序的数据作为水平：

factor(x1)

 

让因子的顺序与初始数据的顺序保持一致。在创建因子时，将水平设置为unique(x)，或者在创建因子后再对其使用 fct_inorder() 函数，就可以达到这个目的：

f1 <- factor(x1, levels = unique(x1))

f1

 

f2 <- x1 %>% factor() %>% fct_inorder()

f2

1.3　综合社会调查

forcats::gss_cat 数据集，该数据集是综合社会调查数据的一份抽样，我们挑选了一些变量放在 gss_cat 数据集中，它们可以说明处理因子时经常遇到的一些问题：

gss_cat

查看因子水平的一种方法是使用count() 函数：

gss_cat %>%

 count(race)

 

使用条形图：

ggplot(gss_cat, aes(race)) +

 geom_bar()

 

默认情况下，ggplot2 会丢弃没有任何数据的那些水平，你可以使用以下代码来强制显示这

些水平：

ggplot(gss_cat, aes(race)) +

 geom_bar() +

 scale_x_discrete(drop = FALSE)

 

1.4　修改因子水平

修改水平常用、强大的工具是 fct_recode() 函数，它可以对每个水平进行修改或重新编码。例如，我们看一下 gss_cat$partyid：

gss_cat %>% count(partyid)

 

对水平的描述太过简单，而且不一致。我们将其修改为较为详细的排比结构：

gss_cat %>%

 mutate(partyid = fct_recode(partyid,

 "Republican, strong" = "Strong republican",

 "Republican, weak" = "Not str republican",

 "Independent, near rep" = "Ind,near rep",

 "Independent, near dem" = "Ind,near dem",

 "Democrat, weak" = "Not str democrat",

 "Democrat, strong" = "Strong democrat"

 )) %>%

 count(partyid)

 

如果想要合并多个水平，那么可以使用 fct_recode() 函数的变体 fct_collapse() 函数。对于每个新水平，你都可以提供一个包含原水平的向量：

gss_cat %>%

 mutate(partyid = fct_collapse(partyid,

 other = c("No answer", "Don't know", "Other party"),

 rep = c("Strong republican", "Not str republican"),

 ind = c("Ind,near rep", "Independent", "Ind,near dem"),

 dem = c("Not str democrat", "Strong democrat")

 )) %>%

 count(partyid)