Drop-Faktor-Ebenen in einem Teildatenrahmen

Question

Ich habe einen Datenrahmen mit einem Faktor. Wenn ich eine Teilmenge dieses Datenrahmens unter Verwendung von subset() oder einer anderen Indizierungsfunktion erstelle, wird ein neuer Datenrahmen erstellt. Die Faktorvariable behält jedoch alle ihre ursprünglichen Ebenen bei - auch wenn sie nicht im neuen Datenrahmen vorhanden sind.

Dies verursacht Kopfschmerzen beim facettierten Plotten oder bei der Verwendung von Funktionen, die auf Faktorstufen beruhen.

Was ist der prägnanteste Weg, um Ebenen von einem Faktor in meinem neuen Datenrahmen zu entfernen?

Hier ist mein Beispiel:

df <- data.frame(letters=letters[1:5], 
        numbers=seq(1:5)) 

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

subdf <- subset(df, numbers <= 3) 
## letters numbers 
## 1  a  1 
## 2  b  2 
## 3  c  3  

## but the levels are still there! 
levels(subdf$letters) 
## [1] "a" "b" "c" "d" "e" 

Answer 1

Alles, was Sie tun sollten, müssen wieder Faktor(), um Ihre Variable anzuwenden, nachdem subsetting:

> subdf$letters 
[1] a b c 
Levels: a b c d e 
subdf$letters <- factor(subdf$letters) 
> subdf$letters 
[1] a b c 
Levels: a b c 

EDIT

Aus dem Faktor Seite Beispiel:

factor(ff)  # drops the levels that do not occur 

Zum Löschen von Ebenen aus allen Faktorspalten in einem Datenrahmen können Sie Folgendes verwenden:

subdf <- subset(df, numbers <= 3) 
subdf[] <- lapply(subdf, function(x) if(is.factor(x)) factor(x) else x) 

Answer 2

Es ist ein bekanntes Problem und eine mögliche Abhilfe wird durch drop.levels() im gdata Paket zur Verfügung gestellt, wo Ihr Beispiel

> drop.levels(subdf) 
    letters numbers 
1  a  1 
2  b  2 
3  c  3 
> levels(drop.levels(subdf)$letters) 
[1] "a" "b" "c" 

Es gibt auch die dropUnusedLevels Funktion wird im Paket Hmisc. Es funktioniert jedoch nur, indem der Subset-Operator [ geändert wird und ist hier nicht anwendbar.

Als logische Folge ein direkter Ansatz auf einer Pro-Spalte-Basis ist eine einfache as.factor(as.character(data)):

> levels(subdf$letters) 
[1] "a" "b" "c" "d" "e" 
> subdf$letters <- as.factor(as.character(subdf$letters)) 
> levels(subdf$letters) 
[1] "a" "b" "c" 

Answer 3

Dieser widerwärtig ist. Dies ist, wie ich in der Regel tun es, andere Pakete laden zu vermeiden:

levels(subdf$letters)<-c("a","b","c",NA,NA) 

, die Sie bekommt:

> subdf$letters 
[1] a b c 
Levels: a b c 

Beachten Sie, dass die neuen Ebenen ersetzen, was auch immer ihr Index in den alten Ebenen einnimmt (subdf $ Briefe), so etwas wie:

levels(subdf$letters)<-c(NA,"a","c",NA,"b") 

wird nicht funktionieren.

Dies ist offensichtlich nicht ideal, wenn Sie viele Ebenen haben, aber für einige wenige ist es schnell und einfach.

Answer 4

Wenn Sie dieses Verhalten nicht möchten, verwenden Sie keine Faktoren, sondern verwenden Sie stattdessen Zeichenvektoren. Ich denke, das macht mehr Sinn, als die Dinge danach zu reparieren. Versuchen Sie Folgendes, bevor Sie Ihre Daten mit read.table oder read.csv Laden:

options(stringsAsFactors = FALSE) 

Der Nachteil ist, dass Sie auf alphabetische Ordnung beschränkt sind.(Nachbestellung ist dein Freund für Plots)

Answer 5

Hier ist eine andere Art und Weise, die ich glaube, zu dem factor(..) Ansatz entspricht:

> df <- data.frame(let=letters[1:5], num=1:5) 
> subdf <- df[df$num <= 3, ] 

> subdf$let <- subdf$let[ , drop=TRUE] 

> levels(subdf$let) 
[1] "a" "b" "c" 

Answer 6

Ich schrieb Utility-Funktionen, dies zu tun. Nun, da ich die Droplevel von gdata kenne, sieht es ziemlich ähnlich aus. Hier sind sie (von here):

present_levels <- function(x) intersect(levels(x), x) 

trim_levels <- function(...) UseMethod("trim_levels") 

trim_levels.factor <- function(x) factor(x, levels=present_levels(x)) 

trim_levels.data.frame <- function(x) { 
    for (n in names(x)) 
    if (is.factor(x[,n])) 
     x[,n] = trim_levels(x[,n]) 
    x 
} 

Answer 7

Da R-Version 2.12 gibt es eine droplevels() Funktion.

levels(droplevels(subdf$letters)) 

Answer 8

hier ist ein Weg, das wieder zu tun

varFactor <- factor(letters[1:15]) 
varFactor <- varFactor[1:5] 
varFactor <- varFactor[drop=T] 

Answer 9

Sehr interessanter Thread, ich mochte Idee besonders einfach Faktor subselection. Ich hatte das ähnliche Problem vorher und ich konvertierte nur zum Charakter und dann zurück zu Faktor.

df <- data.frame(letters=letters[1:5],numbers=seq(1:5)) 
    levels(df$letters) 
    ## [1] "a" "b" "c" "d" "e" 
    subdf <- df[df$numbers <= 3] 
    subdf$letters<-factor(as.character(subdf$letters)) 

Answer 10

Eine andere Möglichkeit, das gleiche zu tun, sondern mit dplyr

library(dplyr) 
subdf <- df %>% filter(numbers <= 3) %>% droplevels() 
str(subdf) 

Edit:

funktioniert auch! Dank agenis

subdf <- df %>% filter(numbers <= 3) %>% droplevels 
levels(subdf$letters) 

Answer 11

Mit Blick auf die droplevels Methoden code in the R source you can see es factor Funktion wickelt. Das bedeutet, dass Sie die Spalte mit factor Funktion grundsätzlich neu erstellen können.
Unterhalb der data.table Möglichkeit, Ebenen aus allen Faktorspalten zu löschen.

library(data.table) 
dt = data.table(letters=factor(letters[1:5]), numbers=seq(1:5)) 
levels(dt$letters) 
#[1] "a" "b" "c" "d" "e" 
subdt = dt[numbers <= 3] 
levels(subdt$letters) 
#[1] "a" "b" "c" "d" "e" 

upd.cols = sapply(subdt, is.factor) 
subdt[, names(subdt)[upd.cols] := lapply(.SD, factor), .SDcols = upd.cols] 
levels(subdt$letters) 
#[1] "a" "b" "c" 

Answer 12

Aus Gründen der Vollständigkeit, jetzt gibt es auch fct_drop im forcats Paket http://forcats.tidyverse.org/reference/fct_drop.html.

Aus droplevels in der Art und Weise unterscheidet befasst sie sich mit NA:

f <- factor(c("a", "b", NA), exclude = NULL) 

droplevels(f) 
# [1] a b <NA> 
# Levels: a b <NA> 

forcats::fct_drop(f) 
# [1] a b <NA> 
# Levels: a b