处理 R 中缺少的因子组合答案

【问题标题】：Handling missing combinations of factors in R处理 R 中缺少的因子组合
【发布时间】：2012-06-08 18:59:13
【问题描述】：

所以，我有一个包含两个因子和一个数字变量的数据框，如下所示：

所以 f1 的级别是 1 和 2，f2 的级别是 A 和 B。事情是这样的，当 f1=1 和 f2=B 时没有输入值（即 D$V1[D$f1 =1 & D$f2=B] 不存在）实际上这应该为零。

在我的实际数据框中，我有 11 个级别的 f1 和接近 150 个级别的 f2，我需要为我的数据框中缺少的每个 f1 和 f2 组合创建一个 v1=0 的观察。

我该怎么做呢？

提前致谢，

伊恩

【问题讨论】：

标签： r

【解决方案1】：

使用您的数据：

dat <- data.frame(f1 = factor(c(1,2,2)), f2 = factor(c("A","A","B")),
                  v1 = c(23,45,27))

一个选项是创建一个包含水平组合的查找表，这是使用提供两个因子水平的expand.grid() 函数完成的，如下所示：

dat2 <- with(dat, expand.grid(f1 = levels(f1), f2 = levels(f2)))

然后可以使用merge() 函数执行类似数据库的连接操作，其中我们指定查找表中的所有值都包含在连接中 (all.y = TRUE)

newdat <- merge(dat, dat2, all.y = TRUE)

以上行产生：

> newdat
  f1 f2 v1
1  1  A 23
2  1  B NA
3  2  A 45
4  2  B 27

如您所见，缺失的组合被赋予值NA，表示缺失。然后用0s 替换这些NAs 非常简单：

> newdat$v1[is.na(newdat$v1)] <- 0
> newdat
  f1 f2 v1
1  1  A 23
2  1  B  0
3  2  A 45
4  2  B 27

【讨论】：

@user1443010 在该行中，我使用它来避免dat$f1 和dat$f2。我也认为它的意图很明确；使用 this 对象，执行 that。这在用户层面没有任何问题，但是会降低效率，因为 R 必须使用对象的内容创建一个新环境，这需要时间。 dat2 <- expand.grid(f1 = levels(dat$f1), f2 = levels(dat$f2)) 将是替代方案。你不能总是把事情变成with()；我不认为替换NA 的行可以轻松转换为with()，但我可能会遗漏一些东西。

【解决方案2】：

我添加tidyr 解决方案，用fill=0 传播并收集。

library(tidyr)
df %>% spread(f2, v1, fill=0) %>% gather(f2, v1, -f1)

#  f1 f2 v1
#1  1  A 23
#2  2  A 45
#3  1  B  0
#4  2  B 27

你同样可以df %>% spread(f1, v1, fill=0) %>% gather(f1, v1, -f2)。

【讨论】：

【解决方案3】：

晚了两年，但我遇到了同样的问题并想出了这个plyr 解决方案：

dat <- data.frame(f1 = factor(c(1,2,2)), f2 = factor(c("A","A","B")), v1 = c(23,45,27))

newdat <- ddply(dat, .(f1,f2), numcolwise(function(x) {if(length(x)>0) x else 0.0}), .drop=F)

> newdat
  f1 f2 v1
1  1  A 23
2  1  B  0
3  2  A 45
4  2  B 27

【讨论】：