使用像plyr和dplyr这样令人惊叹的软件包，数据操作变得轻而易举。重新编码因子水平可能很容易用这些包完成，这可能被证明是一项艰巨的任务，特别是对于具有多个级别的变量。但是，对于那些学习数据科学的人来说，理解基本R的工作方式非常重要。
我向R专家寻求关于使用基数R重新编码因子的帮助。我的问题是关于为什么一个符号有效，而另一个符号不在R中。
我生成了一个包含五个类别和300个观察值的向量。我将矢量转换为一个因子并生成以下列表。
x <- sample(c("a", "b", "c", "d", "e", "f"), 300, replace = TRUE)
x <-factor(x)
> table(x)
a b c d e f
57 58 51 45 45 44
> table(as.numeric(x))
1 2 3 4 5 6
57 58 51 45 45 44
请注意，通过使用as.numeric选项，我可以看到相应字符表示法的内部级别结构。比方说，我想将a和f类重新编码为缺失。我可以使用以下代码完成此操作。
x[as.numeric(x) %in% c(1,6)] <- NA
> table(factor(x))
b c d e
58 51 45 45
其中1和6对应于a和f。
请注意，我使用了级别的位置而不是级别本身来将值转换为缺失。
到现在为止还挺好。
现在让我们假设我想将类别a和f转换为等级。我认为以下代码有效，但事实并非如此。它返回不同的和错误的答案。
# Recode and a and f as grades
x <- sample(c("a", "b", "c", "d", "e", "f"), 300, replace = TRUE)
x <-factor(x)
table(as.numeric(x))
levels(x)[as.numeric(x) %in% c(1,6)] <- "grades"
table(factor(x))
a b c grades e f
46 46 56 52 42 58
但是，当我明确引用级别时，脚本按预期工作。请参阅下面的脚本。
x <- sample(c("a", "b", "c", "d", "e", "f"), 300, replace = TRUE)
x <-factor(x); table(x)
my.list = c("a", "f")
levels(x)[levels(x) %in% my.list] <- "grades"
table(factor(x))
grades b c d e
110 49 40 45 56
因此问题是为什么一种方法有效而另一种方法无效？
你想达到什么目的？
使用as.numeric()操纵因素不是一个好主意，你可能会有惊喜。可能最喜欢的方法是尽可能避免因素（例如使用stringsAsFactors=FALSE创建数据框架和as.is=TRUE与read.csv和read.table - as.is，因为相反的是as.it.is.not）。操纵字符向量比任何具有因子的操作都更直接且更不容易出错，并且当技术上需要一个因素时，在许多情况下，分析函数会处理它 - 或者如果这还不够，则通常更容易创建一个因素（具有水平）在飞行中，具有适当的排序和标记水平，而不是担心与因素相关的所有混淆。
那么......
levels(x)[as.numeric(x) %in% c(1,6)]
levels(x)是一个长度为6的字符向量，as.numeric(x)是一个长度为300的逻辑向量。所以你试图用一个更长的逻辑向量来索引一个短向量。在这样的索引中，索引向量的作用类似于“开关”，TRUE表示您希望在输出中查看此位置中的项目，而FALSE表示您不这样做。那么你要求levels(x)的哪些元素？ （这将是随机的，如果重要的话，你可以用set.seed重现它。）
> which(as.numeric(x) %in% c(1,6))
[1] 4 9 10 12 14 16 24 35 37 44 47 52 54 57 58 61 63 69 79 81 82 83
[23] 84 86 87 89 91 92 99 100 103 109 114 121 124 125 129 134 135 138 140 141 143 147
[45] 154 167 178 179 181 187 188 194 201 212 213 214 217 218 219 220 222 232 235 237 239 245
[67] 254 255 258 260 263 265 266 267 275 278 281 286 294 295 296
如果你想通过引用它们的数字等价来替换某些级别，你根本不需要as.numeric：
levels(x)[c(1,6)] <- "grades"
> levels(x)[c(1,6)] <- "grades"
> table(x)
x
grades b c d e
101 45 46 62 46
“a”和“f”已被“等级”取代，如你所愿。而上面的“as.numeric”，您考虑了1级和6级，但实际上只要求更改4级。 （确切地说，哪个等级由RNG决定，而不是直接由你控制）。
set.seed(123)
x <- sample(c("a", "b", "c", "d", "e", "f"), 300, replace = TRUE)
x <-factor(x)
table(as.numeric(x))
# 1 2 3 4 5 6
#44 55 56 49 48 48
现在，当你试图改变levels
length(as.numeric(x) %in% c(1,6)) #gives
#[1] 300
而
length(levels(x)) #is just
#[1] 6
接下来，当你这样做
as.numeric(x) %in% c(1,6) #it returns a vector of length 300
#[1] FALSE FALSE FALSE TRUE TRUE TRUE FALSE TRUE FALSE FALSE TRUE.......
所以，现在，当你这样做
levels(x)[as.numeric(x) %in% c(1,6)]
#[1] "d" "e" "f" NA NA NA NA NA NA NA .....
保留所有这些作为NAs，因为没有更多的levels可供选择。
所以，
levels(x)[as.numeric(x) %in% c(1,6)] <- "grades"
将“d”，“e”和“f”更改为“成绩”
table(x)
#x
# a b c grades
#44 55 56 145
但这不是你想要的。
在你的第二次尝试
levels(x)[levels(x) %in% my.list]
它有效，因为
length(levels(x))
#[1] 6