修改因子水平

生信编程日常

发布于 2020-06-22 17:22:52

6970

发布于 2020-06-22 17:22:52

文章被收录于专栏：生物信息学、python、R、linux生物信息学、python、R、linux

将factor的因子水平进行修改比较方便的包为forcats 测试数据集：forcats::gss_cat 数据集，该数据集是综合社会调查数据的一份抽样。

library(tidyverse)
library(forcats)
gss_cat

gss_cat数据集是由一个 R 包提供的，因为当因子保存在 tibble 中时，其水平不是很容易看到的。查看因子水平的一种方法是使用 count() 函数来直接计算数量。可以看到race有三个level。

      gss_cat %>%
        count(race)
      #> # A tibble: 3 × 2
      #>     race     n
      #>   <fctr> <int>
      #> 1  Other  1959
      #> 2  Black  3129
      #> 3  White 16395

下面将两个level进行合并修改：修改水平最常用、最强大的工具是 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race

gss_cat %>% mutate(race = fct_recode(race,"Black and White" = "Black" ,"Black and White" = "White"))%>% count(race)

#>Other 1959            
#>Black and White   19524

或者可以使用fct_collapse()，想要合并多个水平，那么可 fct_recode()函数的变体 fct_collapse() 函数更方便。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(race = fct_collapse(race,"Black and White" = c("Black" ,"White"))) %>% count(race)

#>Other 1959            
#>Black and White   19524

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

如有侵权请联系 cloudcommunity@tencent.com 删除

cat