编辑: 改写: 所描述的情况可能是从不同统计程序中提取数据的结果,这些程序可以单独生成具有(a)因子水平和(b)其相应的分配"数字"值的csv文件。
1)我可能有很多因子变量,例如性别,年龄范围,这些因子变量具有水平,例如男性/名人,18-30/31-40等。 2)这些级别分配给某些数字,无论是否有序。 3) 因子/水平数据帧是一个数据帧/数据集。分配给因子水平数据集是一个单独的数据帧。 4)我想将这两个数据集合并为一个数据集。 这意味着必须保留有序因子水平并将其正确分配给其相应的数字。
因此,因子水平及其分配的数字被保存在两个不同的数据集(例如.csv文件中)。这两个数据帧必须"合并"。
我该怎么做? 附言这两个数据集之间有一个 cmmon ID 变量。
d1_levels d2_levels d3_levels
1 2 2 0
2 0 1 2
3 1 2 1
4 2 2 2
d1_labels d2_labels d3_labels
1 boy east <3kg
2 dont know south 3kg
3 girl east >3kg
4 boy east 3kg
我希望d1_labels获得相同的结果,作为以下 R 命令的结果
dataset$d1_labels<- factor(d1_levels, levels = c(0,1,2), labels = c("dont know", "girl", "boy"))
这个问题并不完全清楚:
- 术语
merge
用于我们谈论根据某个键组合的两个数据帧。 - 术语
levels
和labels
与factors
一起使用
我们将尝试这两种变体,并希望 OP 能够指定他想要什么。
合并
merge(DF1, DF2, by = "rn")
# rn d1_levels d2_levels d3_levels d1_labels d2_labels d3_labels
#1 1 2 2 0 boy east <3kg
#2 2 0 1 2 dont know south 3kg
#3 3 1 2 1 girl east >3kg
#4 4 2 2 2 boy east 3kg
因素
reorder(factor(DF2$d1_labels), DF1$d1_levels)
#[1] boy dont know girl boy
#attr(,"scores")
# boy dont know girl
# 2 0 1
#Levels: dont know girl boy
reorder(factor(DF2$d2_labels), DF1$d2_levels)
#[1] east south east east
#attr(,"scores")
# east south
# 2 1
#Levels: south east
reorder(factor(DF2$d3_labels), DF1$d3_levels)
#[1] <3kg 3kg >3kg 3kg
#attr(,"scores")
#<3kg >3kg 3kg
# 0 1 2
#Levels: <3kg >3kg 3kg
创建因子factor()
,reorder()
根据水平列中给出的顺序对因子水平进行排序。在 R 中,级别编号从 1 开始。
单个结果可以合并回一个数据帧(但请注意,这不是 R 中手动转换多个列的首选方法。
result <- data.frame(
rn = DT1$rn,
d1 = reorder(factor(DF2$d1_labels), DF1$d1_levels),
d2 = reorder(factor(DF2$d2_labels), DF1$d2_levels),
d3 = reorder(factor(DF2$d3_labels), DF1$d3_levels)
)
组合多个因子列的水平和标签
OP已经澄清了这个问题,并要求合并多达500个因子列的水平和标签。
不幸的是,这非常复杂,因为它需要将来自两个不同命名的不同 data.frame 的数据汇集在一起。如果两个 data.frame 中的匹配列被平等命名,例如d1
,那会容易得多。因此,我们必须将DF1
d1_levels
与DF2
d1_labels
结合在一起。
获取列的基本名称
base_names <- na.omit(unique(stringr::str_extract(c(names(DF1), names(DF2)), ".+(?=_levels$)")))
base_names
#[1] "d1" "d2" "d3"
创建新的数据帧
result <- as.data.frame(
setNames(
lapply(base_names, function(x) {
reorder(factor(DF2[[paste0(x, "_labels")]]), DF1[[paste0(x, "_levels")]])
}), base_names
)
)
result
# d1 d2 d3
#1 boy east <3kg
#2 dont know south 3kg
#3 girl east >3kg
#4 boy east 3kg
str(result)
#'data.frame': 4 obs. of 3 variables:
# $ d1: Factor w/ 3 levels "dont know","girl",..: 3 1 2 3
# ..- attr(*, "scores")= num [1:3(1d)] 2 0 1
# .. ..- attr(*, "dimnames")=List of 1
# .. .. ..$ : chr "boy" "dont know" "girl"
# $ d2: Factor w/ 2 levels "south","east": 2 1 2 2
# ..- attr(*, "scores")= num [1:2(1d)] 2 1
# .. ..- attr(*, "dimnames")=List of 1
# .. .. ..$ : chr "east" "south"
# $ d3: Factor w/ 3 levels "<3kg",">3kg",..: 1 3 2 3
# ..- attr(*, "scores")= num [1:3(1d)] 0 1 2
# .. ..- attr(*, "dimnames")=List of 1
# .. .. ..$ : chr "<3kg" ">3kg" "3kg"