向因子添加新水平并替换现有水平答案

【问题标题】：Add a new level to a factor and substitute existing one向因子添加新水平并替换现有水平
【发布时间】：2011-10-27 16:55:54
【问题描述】：

我在处理数据框的级别名称时遇到了很大的麻烦。

我有一个大数据框，其中一个列是具有很多级别的因素。

问题是其中一些数据是重复的，我分析的下一步不接受重复的数据。所以我需要更改重复关卡的名称，以便继续下一步。

让我举个小例子：

假设我们有一个包含一列的简单数据框：

> df
col_foo
1   bar1
2   bar2
3   bar3
4   bar2
5   bar4
6   bar5
7   bar3

如果我们查看该列，我们会发现它是一个具有 5 个不同级别的因子。

>df$col_foo
[1] bar1 bar2 bar3 bar2 bar4 bar5 bar3
Levels: bar1 bar2 bar3 bar4 bar5

好的，问题来了。看到bar2 和bar3 级别重复。我想知道的是如何添加一个级别名称，例如bar2_X，并且只替换重复的名称。所以数据框应该变成这样：

> df
col_foo
1   bar1
2   bar2
3   bar3
4   bar2_X
5   bar4
6   bar5
7   bar3_X

这可能吗？我无法更改列的类，它应该仍然是一个因素，因此需要更改它的解决方案无法解决我的问题，除非可以再次强制因素。

谢谢

【问题讨论】：

标签： r

【解决方案1】：

在您的专栏中使用unique = TRUE 致电make.names。

df$col_foo <- factor(make.names(df$col_foo, unique = TRUE))

【讨论】：

这是一个非常有用的提示！谢谢！但就我而言，我真的想添加一个后缀来区分，“.1”非常通用，因为我正在处理一些名称中已经包含它们的代码，例如：ENST00000381184.1

【解决方案2】：

如果您希望所有条目都是唯一的，那么仅使用字符变量并不会为您带来太多好处。

可能最简单的方法是强制转换为字符向量，使用duplicated 函数查找重复项并将某些内容粘贴到它们的末尾，然后如果您想使用factor 重新转换它回到一个因素。可能是这样的：

df$col_foo <- factor( ifelse( duplicated(df$col_fo), 
                    paste(df$col_foo, '_x', sep=''), as.character(df$col_foo)))

【讨论】：

+1 提醒我们为什么我们首先使用因子。
这将是做我想做的事的完美方式，但不知何故这也改变了非重复关卡的名称，所以我得到：> df col_foo 1 1 2 2 3 3 4 bar2_x 5 4 6 5 7 bar3_x
将 else 部分包裹在 as.character 中，我在示例中修复了这个问题。
是的！这正是我所需要的！非常感谢@GregSnow！
@Lianzinho: 有没有一个因子水平出现3次或更多的实例？（检查table(df$col_foo)。）如果是这样，带有_X 后缀的值将不是唯一的。

【解决方案3】：

您可以编辑因子变量的水平：

levels(df$col_foo) <- c(levels(df$col_foo),"bar2_X","bar3_X")

然后将重复的关卡更改为您添加的新关卡之一。

【讨论】：