子集后未使用的因子水平没有下降？答案

【问题标题】：Unused factor levels not dropped after subsetting?子集后未使用的因子水平没有下降？
【发布时间】：2014-07-08 01:11:25
【问题描述】：

我有一个变量df1$StudyAreaVisitNote，我把它变成了一个因子。但是，当我将df1 子集化为BS 时，这个变量不再是一个因素：对子集化数据使用 table() 函数会显示如果在原始数据上运行table() 似乎应该返回的结果数据？

为什么会这样？

我发现的两种解决方法是：

导出子集数据并重新导入
子集后，再次将列指定为因子

代码：

# My dataset can be found here: http://textuploader.com/9tx5  (I'm sure there's a better way to host it, but I'm new, sorry!)
# Load Initial Dataset (df1)
df1 <- read.csv("/Users/user/Desktop/untitled folder/pre_subset.csv", header=TRUE,sep=",")

# Make both columns factors
df1$Trap.Type <- factor(df1$Trap.Type)
df1$StudyAreaVisitNote <-factor(df1$StudyAreaVisitNote)

# Subset out site of interest
BS <- subset(df1, Trap.Type=="HR-BA-BS")

# Export to Excel, save as CSV after it's in excel
library(WriteXLS)
 WriteXLS("BS", ExcelFileName = "/Users/user/Desktop/test.xlsx", col.names = TRUE, AdjWidth = TRUE, BoldHeaderRow = TRUE, FreezeRow = 1)


# Load second Dataset (df2)
df2 <- read.csv("/Users/user/Desktop/untitled folder/post_subset.csv", header=TRUE, sep=",")

# both datasets should be identical, and they are superficially, but...
# Have a look at df2
summary(df2$StudyAreaVisitNote)  # Looks good, only counts levels that are present

# Now, look at BS from df1
summary(BS$StudyAreaVisitNote)  # sessions not present in the subsetted data (but present in df1?) are included???

# Make BS$StudyAreaVisitNote a factor...Again??
BS$StudyAreaVisitNote <- factor(BS$StudyAreaVisitNote)

# Try line 31 again
summary(BS$StudyAreaVisitNote) # this time it works, why is factor not carried through during subset?

【问题讨论】：

我将您的问题重新命名为“为什么子集后未使用的因子水平没有下降？”。如果您的意思是“级别”，请不要说“字段”或“会话”。不要说“没有留下一个因素......奇怪的结果”，这并不能告诉我们任何事情。如果您想查看它是否仍然是一个因素，请使用str()。作为奖励str() 也告诉你它的水平。您会立即发现问题。
不要在第三方网站上发布指向您的数据集的链接（它现在 403 已过期），但即使没有，如果您使用 dput() 并粘贴它会更清晰、更简单且自包含它进入问题。由于我们无法重现数据，我们无法重现您的代码；如果您为我们发布summary()/table() 输出会更清楚。
"如果在原始数据上运行 table()，似乎应该返回什么奇怪的结果？" = "该表包含所有因素与原始级别相比，我希望删除子集中未使用的级别”。无论如何，您可以使用tab <- table(...); tab[tab > 0] 做到这一点
只是因为它有无关的水平，不要指责它不是一个因素:-)
“解决方法：导出并重新导入” 是一个红鲱鱼，只需使用factor(..., levels=..., exclude=...)

标签： r subset r-factor

【解决方案1】：

即使在子集化之后，因子也保持为因子。我确定class(BS$StudyAreaVisitNote)=="factor"。但是，因子不会自动降低其未使用的水平。当你在做类似的事情时，这会很有帮助

set.seed(16)
dd<-data.frame(
    gender=sample(c("M","F"), 25, replace=T),
    age=rpois(25, 20)
)
dd

table(subset(dd, age<15)$gender)
# F M 
# 0 3

这里的因子记住它有 M 和 F，即使子集没有任何 F，级别仍然保留。如果您想摆脱未使用的关卡，可以显式调用droplevels()。

table(droplevels(subset(dd, age<15))$gender)
# M
# 3

（现在它忘记了 F）

所以不是summary，而是比较table 在两个data.frames 上的结果。

【讨论】：