如何更改因子级别的名称？答案

【问题标题】：How to change name of factor levels?如何更改因子级别的名称？
【发布时间】：2015-06-25 00:07:30
【问题描述】：

训练集

trainSample <- cbind(data[1:980,1], data[1:980,2]) cl <-
factor(c(data[1:980,3]))

测试集

testSample <- data(data[981:1485,1], data[981:1485,2])
cl.test <- clknn

预测

k <- knn(trainSample, testSample, cl, k = 5)

输出

< k

  [1] 2 2 1 1 1 1 2 1 2 1 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 1 2 2 1 1 2 2 1 1 2 2 2 2 1 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2
 [60] 2 2 2 2 1 2 2 2 2 1 2 2 1 2 2 2 1 1 2 1 2 2 1 1 1 2 1 2 2 2 1 2 2 2 2 2 1 2 1 2 2 2 2 2 2 2 2 1 2 2 2 2 1 2 2 2 2 2 2
[119] 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 2 2 2 1 2 1 1 1 1 2 2 2 2 2 2 2 2 1 2 1 2 2 2 2 2 2 1 2 2 1 2 1 2 2 2 2
[178] 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 1 1 1 1 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 1
[237] 2 2 2 2 2 1 2 2 1 2 2 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 1 2 2 1 2 2 2 2 1 2 1 2 2 2 2 1 1 2 1 2 2 2 2 1 2 2 2
[296] 2 2 2 1 2 1 2 1 1 1 2 1 2 2 1 1 2 2 1 2 1 2 2 1 2 2 2 1 2 2 2 2 2 1 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 1 2 1 1 2 2 2 1 1 2
[355] 1 2 1 2 1 2 1 2 2 2 2 2 2 1 1 1 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 1 2 2 2 2 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2
[414] 2 2 1 2 2 2 2 2 2 2 2 2 1 1 2 2 2 1 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
[473] 2 2 2 2 2 1 1 2 2 2 2 2 1 2 2 1 1 2 2 1 2 2 1 2 1 2 2 1 2 2 2 2 2
Levels: 1 2

我想要“c”和“not-c”（就像在我的原始 data.csv 中一样），而不是 1 和 2（我也不确定哪个数字应该代表哪个）

谁能帮忙？

【问题讨论】：

标签： r rename levels

【解决方案1】：

改变因子水平很容易，也不会混淆哪个是哪个：

示例数据：

> a <- factor(rep(c(1,2,1),50))
> a
  [1] 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2
 [75] 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1
[149] 2 1
Levels: 1 2

#this will help later as a verification
#this counts the instances for 1 and 2
> table(a)
a
  1   2 
100  50

正如您在上面看到的，级别的顺序是1 第一和2 第二。当您更改级别（如下）时，顺序保持不变：

#the assignment function levels can be used to change the levels
#the order will remain the same i.e. 'c' for '1' and 'not-c' for '2'
levels(a) <- c('c', 'not-c')

> a
  [1] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
 [25] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
 [49] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
 [73] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
 [97] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
[121] c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c     c     not-c c    
[145] c     not-c c     c     not-c c    
Levels: c not-c

这是验证：

> table(a)
a
    c not-c 
  100    50

【讨论】：

你为我回答了一个关于 ensemble 的问题，我正在努力寻找另一个分类器来使用，以及如何考虑每个分类器的结果，即如何考虑这个“h_results$TrueLabel== nb_results$Prediction" 还是分类器为我做的？对此感到抱歉。
没问题，乐于助人:)。对于组合分类器，您的意思是？正如我所说，你可以使用任何你喜欢的。我不知道你为什么要考虑h_results$TrueLabel==nb_results$Prediction（也许稍后再使用table？），但假设它们的长度相等，只需将其包装在factor 函数中即可。
我会建议如果您的问题更深入，并且您需要有关某事的更多信息来提出新问题（添加可重现的示例和想要的输出）并且人们会提供帮助。如果您愿意，您也可以将此处的链接发送给我以尝试自己回答。（我这样说是因为在cmets中很难尝试通过聊天来解决问题）
感谢您的回复，是的，该代码为每个数据样本提供了一个真正的错误结果，例如诸如 TRUE TRUE TRUE FALSE TRUE 之类的东西是否正确，我是否需要将其和其他分类器也考虑在内，然后将它们全部组合在一个表中，并将该表与真实标签也在那里分类？（我希望我刚才说的有任何意义）哈哈
将真实标签与预测标签进行比较仅用于衡量准确性。在组合模型中，您只需使用预测值。

【解决方案2】：

下标赋值也有效。例如，这里有一个因素：

> a <- factor(sample(letters[1:5],100,replace=T))
> a
  [1] a d d d d a d d a b a b e a c d a c a a b e e d a e d e e a a c a a a b a
 [38] b b a a e b d b c a a a b e b c e d d b b c c a b a d c b c c d e b d e d
 [75] a a a b e e c b c b c c d d e e d a e e e b c e b e
Levels: a b c d e

现在，让我们给其中几个关卡起个新名字：

> levels(a)[c(2,4)] <- c('y','z')
> a
  [1] a z z z z a z z a y a y e a c z a c a a y e e z a e z e e a a c a a a y a
 [38] y y a a e y z y c a a a y e y c e z z y y c c a y a z c y c c z e y z e z
 [75] a a a y e e c y c y c c z z e e z a e e e y c e y e
Levels: a y c z e

【讨论】：

【解决方案3】：

你可以这样做：

x<-factor(c(1,1,2,3,1), labels=c("group1","group2","group3")) 
> x 
[1] group1 group1 group2 group3 group1 
Levels: group1 group2 group3

或者像这样：

train <- read.csv("train.csv", header=TRUE)[1:1000, ]
labels <- train[,1]

【讨论】：

这种工作，但我怎么知道我的原始数据集中哪个是哪个？我可以交换名称，结果会反转，但准确性保持不变，所以这显然是不对的？谢谢
我不能让你的第二部分工作，我不太明白，我试过这个 newPred

【解决方案4】：

使用 forcats 包。

a <- factor(rep(c(1,2,1),50))

fct_collapse(a,c = c("1"),`not-c` = c("2"))

【讨论】：

不错。一项不需要c()s：fct_collapse(a, c = "1", `not-c` = "2")