在不更改值顺序的情况下重新排序因子的级别

Posted 2023-02-16

【中文标题】在不更改值顺序的情况下重新排序因子的级别

【英文标题】：Reorder levels of a factor without changing order of values

【发布时间】：2011-01-23 10:51:42

【问题描述】：

我有一些数值变量和一些分类factor 变量的数据框。这些因素的水平顺序不是我想要的。

numbers <- 1:4
letters <- factor(c("a", "b", "c", "d"))
df <- data.frame(numbers, letters)
df
#   numbers letters
# 1       1       a
# 2       2       b
# 3       3       c
# 4       4       d

如果我改变关卡的顺序，字母不再是对应的数字（从现在开始，我的数据完全是一派胡言）。

levels(df$letters) <- c("d", "c", "b", "a")
df
#   numbers letters
# 1       1       d
# 2       2       c
# 3       3       b
# 4       4       a

我只是想更改 级别 顺序，因此在绘图时，条形图按所需顺序显示 - 这可能与默认字母顺序不同。

【问题讨论】：

有人可以给我一个提示，为什么分配给级别（...）会改变数据框中条目的顺序，正如 crangos 在问题中显示的那样？这对我来说似乎非常不直观和不受欢迎。我自己今天花了一些时间调试由此引起的问题。我在想这种行为可能有一个我看不到的原因，或者至少对它发生的原因有一个合理的解释。

【参考方案1】：

使用factor 的levels 参数：

df <- data.frame(f = 1:4, g = letters[1:4])
df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

levels(df$g)
# [1] "a" "b" "c" "d"

df$g <- factor(df$g, levels = letters[4:1])
# levels(df$g)
# [1] "d" "c" "b" "a"

df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

【讨论】：

谢谢，这成功了。出于某种奇怪的原因，ggplot 现在正确地更改了图例中的顺序，但不是在情节中。很奇怪。

ggplot2 要求我更改级别的顺序（见上文）和数据框值的顺序。 df

@craangos，我认为 ggplot 使用字母顺序的级别，有时会忽略自定义因子级别。请确认，并附上版本号。

【参考方案2】：

还有一些，只是为了记录

## reorder is a base function
df$letters <- reorder(df$letters, new.order=letters[4:1])

library(gdata)
df$letters <- reorder.factor(df$letters, letters[4:1])

您可能还会发现有用的Relevel 和combine_factor。

【讨论】：

您的第一个答案对我不起作用。但这有效：reorder(df$letters, seq(4,1))

我有一个非常奇怪的情况，即“重新排序”在一个数据集上工作，而不是在另一个数据集上工作。在另一个数据集上，它会引发错误“tapply 中的错误（X = X，INDEX = x，FUN = FUN，...）：缺少参数“X”，没有默认值”。不知道这个问题的解决方案是什么。我找不到数据集之间的任何相关差异。

【参考方案3】：

自从上次提出这个问题以来，Hadley 发布了他的新 forcats 软件包，用于操纵因素，我发现它非常有用。来自 OP 数据框的示例：

levels(df$letters)
# [1] "a" "b" "c" "d"

反转水平：

library(forcats)
fct_rev(df$letters) %>% levels
# [1] "d" "c" "b" "a"

添加更多关卡：

fct_expand(df$letters, "e") %>% levels
# [1] "a" "b" "c" "d" "e"

还有更多有用的fct_xxx() 函数。

【讨论】：

这个还能用吗？

你想写这样的代码：df %>% mutate(letters = fct_rev(letters)).

【参考方案4】：

因此，在 R 词典中，您想要的只是更改给定因子变量的 标签（即，保留数据以及因子 级别，不变）。

df$letters = factor(df$letters, labels=c("d", "c", "b", "a"))

假设您只想更改数据点到标签的映射，而不是数据或因子架构（数据点如何被分箱到单独的箱或因子值中，了解这可能会有所帮助最初创建因子时如何设置映射。

规则很简单：

标签通过索引值映射到级别（即，值 在 level[2] 处被赋予标签 label[2]); 可以通过通过 levels 参数；或 如果没有为levels参数提供值，默认 使用值，它是在数据向量上调用 unique 的结果 传入（用于 data 参数）； 标签可以通过标签参数显式设置；或 如果没有为标签参数提供值，则默认值为 used 这只是 levels 向量

【讨论】：

我不知道为什么这没有像接受的答案那样被投票。这提供了更多信息。

如果您使用这种方法，您的数据会被错误标记。

实际上是的，我不知道该怎么办，答案似乎是为了绘图而错误地标记数据？啊。回滚到原来的。用户小心

【参考方案5】：

处理 R 中的因子是一项非常特殊的工作，我必须承认...在重新排序因子水平时，您并没有重新排序基础数值。这是一个小演示：

> numbers = 1:4
> letters = factor(letters[1:4])
> dtf <- data.frame(numbers, letters)
> dtf
  numbers letters
1       1       a
2       2       b
3       3       c
4       4       d
> sapply(dtf, class)
  numbers   letters 
"integer"  "factor" 

现在，如果您将此因子转换为数字，您将得到：

# return underlying numerical values
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4
# change levels
1> levels(dtf$letters) <- letters[4:1]
1> dtf
  numbers letters
1       1       d
2       2       c
3       3       b
4       4       a
# return numerical values once again
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4

如您所见...通过更改级别，您仅更改级别（谁会告诉，嗯？），而不是数值！但是，当您按照 @Jonathan Chang 的建议使用 factor 函数时，会发生不同的事情：您自己更改数值。

您再次遇到错误，因为您执行了levels，然后尝试使用factor 重新调整它。不要这样做！不要不要使用levels，否则你会搞砸（除非你确切地知道你在做什么）。

一个小建议：避免使用与 R 对象相同的名称来命名对象（df 是 F 分布的密度函数，letters 给出小写字母）。在这种特殊情况下，您的代码不会有错误，但有时可能会……但这会造成混乱，我们不希望这样，不是吗？！？ =)

相反，使用这样的东西（我将再次从头开始）：

> dtf <- data.frame(f = 1:4, g = factor(letters[1:4]))
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 1 2 3 4
> dtf$g <- factor(dtf$g, levels = letters[4:1])
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 4 3 2 1

请注意，您也可以使用df 和letters 来命名data.frame，而不是g，结果就可以了。实际上，此代码与您发布的代码相同，只是名称有所不同。这部分factor(dtf$letter, levels = letters[4:1]) 不会抛出错误，但它可能会令人困惑！

彻底阅读?factor 手册！ factor(g, levels = letters[4:1]) 和 factor(g, labels = letters[4:1]) 有什么区别？ levels(g) <- letters[4:1] 和 g <- factor(g, labels = letters[4:1]) 有什么相似之处？

您可以输入 ggplot 语法，这样我们可以在这方面为您提供更多帮助！

干杯！！！

编辑：

ggplot2 实际上需要同时更改级别和值？嗯……我把这个挖出来……

【参考方案6】：

我希望添加另一种情况，其中级别可以是带有数字和一些特殊字符的字符串：如下例所示

df <- data.frame(x = c("15-25", "0-4", "5-10", "11-14", "100+"))

x 的默认级别是：

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 100+ 11-14 15-25 5-10

这里如果我们想根据数值对因子水平重新排序，而不明确写出水平，我们可以做的是

library(gtools)
df$x <- factor(df$x, levels = mixedsort(df$x))

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 5-10 11-14 15-25 100+
as.numeric(df$x)
# [1] 4 1 2 3 5

我希望这可以被视为对未来读者有用的信息。

【参考方案7】：

我会简单地使用级别参数：

levels(df$letters) <- levels(df$letters)[c(4:1)]

【参考方案8】：

这是我对给定数据框的因子重新排序的函数：

reorderFactors <- function(df, column = "my_column_name", 
                           desired_level_order = c("fac1", "fac2", "fac3")) 

  x = df[[column]]
  lvls_src = levels(x) 

  idxs_target <- vector(mode="numeric", length=0)
  for (target in desired_level_order) 
    idxs_target <- c(idxs_target, which(lvls_src == target))
  

  x_new <- factor(x,levels(x)[idxs_target])

  df[[column]] <- x_new

  return (df)

用法：reorderFactors(df, "my_col", desired_level_order = c("how","I","want"))

【参考方案9】：

添加另一种非常有用的方法，因为它使我们不必记住来自不同包的函数。因子的水平只是属性，因此可以执行以下操作：

numbers <- 1:4
letters <- factor(c("a", "b", "c", "d"))
df <- data.frame(numbers, letters)

# Original attributes
> attributes(df$letters)
$levels
[1] "a" "b" "c" "d"

$class
[1] "factor"

# Modify attributes
attr(df$letters,"levels") <- c("d", "c", "b", "a")

> df$letters
[1] d c b a
Levels: d c b a

# New attributes
> attributes(df$letters)
$levels
[1] "d" "c" "b" "a"

$class
[1] "factor"