使所有分类变量在R中从0开始

Question

我有一个这样的数据框架，其中每一列都是分类编码：

> race <- factor(c(0,1,0,1,1))
> income <- factor(c(1,1,1,0,0))
> sex <- factor(c(1,1,1,3,2))
> df <- data.frame(race, income, sex)
> df
race income  sex
1    0      1    1
2    1      1    1
3    0      1    1
4    1      0    3
5    1      0    2

如何在R dplyr中动态编程，使每一列都从0开始。例如，种族和收入不会改变，因为最低值已经是0。但性别需要改变，这样每个数字都减去1。

预期输出：

race income  sex
1    0      1    0
2    1      1    0
3    0      1    0
4    1      0    2
5    1      0    1

理想情况下，解决方案将使用突变和交叉，但我似乎找不到解决方案。

Answer 1

df %>%
mutate(
across(everything(), as.numeric),
across(everything(), ~.-min(.)),
across(everything(), as.factor)
)
)

Answer 2

您可以将因子级别更改为数字，然后从中减去1。如果您想将其保持为类别，请将其更改回factor。

使用across将函数应用于多个列。

library(dplyr)
relevel_to_0 <- function(x) {
factor(as.integer(x) - 1)
}
df %>% mutate(across(.fns = relevel_to_0))
#  race income sex
#1    0      1   0
#2    1      1   0
#3    0      1   0
#4    1      0   0
#5    1      0   1

Answer 3

您可以在制作因子向量时添加级别参数

race <- factor(c(0,1,0,1,1))
income <- factor(c(1,1,1,0,0))
sex <- factor(c(1,1,1,1,2), levels=0:2)
df <- data.frame(race, income, sex)
df[1,] <- 0
df
#   race income sex
# 1    0      0   0
# 2    1      1   1
# 3    0      1   1
# 4    1      0   1
# 5    1      0   2

Answer 4

您可以使用以下代码：

library(tidyverse)
race <- factor(c(0,1,0,1,1))
income <- factor(c(1,1,1,0,0))
sex <- factor(c(1,1,1,3,2))
df <- data.frame(race, income, sex)
> df
race income sex
1    0      1   1
2    1      1   1
3    0      1   1
4    1      0   3
5    1      0   2
df %>% mutate_if(is.factor, .funs = ~ as.numeric(.)) %>% mutate_if(.predicate = ~ min(.) > 0, .funs = ~ as.factor( . - 1))
race income sex
1    0      1   0
2    1      1   0
3    0      1   0
4    1      0   2
5    1      0   1

或者将两个mutate_if函数合并为一个：

df  %>% mutate_if(.predicate = ~ (is.factor(.) & min(as.numeric(.)) > 0) , .funs = ~ as.factor( as.numeric(.) - 1))
race income sex
1    0      1   0
2    1      1   0
3    0      1   0
4    1      0   2
5    1      0   1