将类因子列中的 NA 转换为 0

Question

我有一列类型因子。列中的一些值是 NA 值。 如何将所有这些 NA 值转换为新级别，例如 0 或“OriginallyNA”之类的。

我能够将数字类列的 NA 转换为 0，但无法将类因子列转换为 0。

我的数据

> col1 = c(1,2,3,4,NA)
> col2 = c(6,7,NA,NA,8)
> df = data.frame(col1,col2)
> df
  col1 col2
1    1    6
2    2    7
3    3   NA
4    4   NA
5   NA    8
> df$col2 = as.factor(df$col2)
> class(df$col1)
[1] "numeric"
> class(df$col2)
[1] "factor"

尝试将 NA 值转换为另一个级别，例如 0

> df[is.na(df)] = 0
Warning message:
In `[<-.factor`(`*tmp*`, thisvar, value = 0) :
  invalid factor level, NA generated
> df
  col1 col2
1    1    6
2    2    7
3    3 <NA>
4    4 <NA>
5    0    8
> levels(df$col2)
[1] "6" "7" "8"

要不要把factor列转成数值，把NA值改成0，然后转换后转回factor，如下。有没有更好的办法？

> df$col2 = as.numeric(df$col2)
> df
  col1 col2
1    1    1
2    2    2
3    3   NA
4    4   NA
5    0    3
> df[is.na(df)] = 0
> df
  col1 col2
1    1    1
2    2    2
3    3    0
4    4    0
5    0    3
> df$col2 = as.factor(df$col2)
> df
  col1 col2
1    1    1
2    2    2
3    3    0
4    4    0
5    0    3

Answer 1

如果你使用

df$col2 <- addNA(df$col2)

您将获得一个新的“NA”级别。

Answer 2

警告：

Warning message:
In `[<-.factor`(`*tmp*`, thisvar, value = 0) :
  invalid factor level, NA generated

意味着您尝试为一个因子列分配一个在他的级别中不存在的值。您应该先添加缺失级别，然后再分配它，就像您尝试使用 df[is.na(df)] <- 0 所做的那样。

这里有一个辅助函数，您可以对 data.frame 中的任何因子列执行此操作：

re_levels <- 
  function(col) {
    if (is.factor(col))  levels(col) <- c(levels(col), "0")
  col
  }

然后将其应用于 data.frame 并将缺失的级别更改为 0 ：

df <- sapply(df,re_levels)
df[is.na(df)] <-  0

#       col1 col2
# [1,]    1    1
# [2,]    2    2
# [3,]    3    0
# [4,]    4    0
# [5,]    0    3