使用apply（）函数更新R中数据框多列的因子水平答案

【问题标题】：Using apply() function to update the factor levels of multiple columns of a data frame in R使用apply（）函数更新R中数据框多列的因子水平
【发布时间】：2014-04-10 05:26:41
【问题描述】：

直奔问题。假设我有以下数据框：

> head(temp)
  Gender Age Agegroup
2   Male  63      61+
3   Male  60    50-60
4   Male  55    50-60
5   Male  36    30-39
7   Male  39    30-39
8   Male  63      61+

调用汇总函数：

> summary(temp)
    Gender            Age         Agegroup     
 Male  :864692   Min.   :25.00   25-29:0  
 Female:     0   1st Qu.:35.00   30-39:205237  
                 Median :45.00   40-49:235622  
                 Mean   :44.48   50-60:250977  
                 3rd Qu.:54.00   61+  : 68807  
                 Max.   :64.00

如您所见，女性因子和 25-29 因子水平的观测值为零。结果，我不需要那些级别。我使用以下代码删除它们：

temp$Gender<-factor(temp$Gender)
temp$Agegroup<-factor(temp$Agegroup)

我的问题是：我将如何使用 apply 函数之一来执行我用来删除关卡的代码？看起来像：

# Pseudo code just to illustrate my purpose
temp[,c(1,3)]<-apply(temp[,c(1,3)],FUN=factor)

如果我需要更新数据框的许多列的级别，它会很方便。谢谢。如果您需要更多说明，请告诉我。

【问题讨论】：

标签： r dataframe apply

【解决方案1】：

您正在寻找droplevels。

这里有一些与你类似的示例数据：

set.seed(1)
mydf <- data.frame(A = factor(rep("M", 5), levels = c("M", "F")),
                   B = sample(20:50, 5, TRUE))
mydf$C <- cut(mydf$B, seq(0, 80, 10))
mydf
#   A  B       C
# 1 M 28 (20,30]
# 2 M 31 (30,40]
# 3 M 37 (30,40]
# 4 M 48 (40,50]
# 5 M 26 (20,30]
summary(mydf)
#  A           B            C    
#  M:5   Min.   :26   (20,30]:2  
#  F:0   1st Qu.:28   (30,40]:2  
#        Median :31   (40,50]:1  
#        Mean   :34   (0,10] :0  
#        3rd Qu.:37   (10,20]:0  
#        Max.   :48   (50,60]:0  
#                     (Other):0

现在，让我们使用droplevels 看看会发生什么：

mydf2 <- droplevels(mydf)
summary(mydf2)
#  A           B            C    
#  M:5   Min.   :26   (20,30]:2  
#        1st Qu.:28   (30,40]:2  
#        Median :31   (40,50]:1  
#        Mean   :34              
#        3rd Qu.:37              
#        Max.   :48

如果您真的想使用*apply 方法，也许您可以使用lapply，如下所示：

mydf3 <- mydf                    ## Create a copy of your original just in case
mydf3[] <- lapply(mydf3, factor)
summary(mydf3)
#  A      B           C    
#  M:5   26:1   (20,30]:2  
#        28:1   (30,40]:2  
#        31:1   (40,50]:1  
#        37:1              
#        48:1

【讨论】：