2017年4月起，禁止因素中存在重复级别。那么levels函数呢？

Question

在R-devel列表中，Martin Maechler发布了一条关于因子中重复级别的信息。

“自2009年以来，具有非唯一（重复）级别的因子已被弃用 - 现在更加被弃用…”。它在2016年6月4日被发布。

它说明在预定于2017年4月的R 3.4中，重复级别将导致错误，而不再仅仅是警告。

我想知道为什么levels函数没有引起类似的警告？这里我将前三个级别组合成两种方式的“a”，其中一种已被弃用。

例子

> x <- c("a", "b", "c", "d")
> xf <- factor(x, levels = c("a", "b", "c", "d"), 
    labels = c("a", "a", "a", "d"))
Warning message:
In `levels<-`(`*tmp*`, value = if (nl == nL) 
    as.character(labels) else paste0(labels,  :
    duplicated levels in factors are deprecated
> xf <- factor(x)
> levels(xf) <- c("a", "a", "a", "d")
> xf
[1] a a a d
Levels: a d

我希望能够理解为什么R对后者的处理方式与前者不同。

这是levels的记录行为，我没有利用未经声明的元素。在?levels中，有一个示例允许重复的级别出现。我会将其粘贴以节省您的查找时间。

## combine some levels
z <- gl(3, 2, 12, labels = c("apple", "salad", "orange"))
z
levels(z) <- c("fruit", "veg", "fruit")
z

- pauljohn32

Answer 1

因子用于创建分类变量。该变量的Levels属性表示不同的类别。一个变量不能有重复的类别，这是没有意义的。然而，一个变量可以有相同类别的重复数据值。

分类变量中的数据以整数向量表示。使用unclass查看整数向量。levels属性表示该变量的类别。例如，该变量的第一个值属于特定的类别，并将被分配为1号。如果它是有序因子，则最低类别将被分配为1号。

x <- c(letters[1:3], letters[1:3])
xf <- factor(x)

xf
# [1] a b c a b c
# Levels: a b c

attributes(xf)
# $levels
# [1] "a" "b" "c" 
# 
# $class
# [1] "factor"

unclass(xf)
# [1] 1 2 3 1 2 3
# attr(,"levels")
# [1] "a" "b" "c"

如果一个类别在变量中没有值，那么它将被分配为NA。

factor(c("a", "b", "c"), levels = c("e", "f", "g"))
# [1] <NA> <NA> <NA>
#   Levels: e f g

labels 是一个可选参数，用于更改类别的名称。如果变量具有与级别参数相对应的数据值，则将给定标签参数中的值赋予它。请注意，“e”值被赋予了类别“h”。

factor(c("a", "b", "e"), levels = c("e", "f", "g"), labels = c("h", "i", "j"))
# [1] <NA> <NA> h   
# Levels: h i j

现在levels()是一个替换函数，用于更改因子变量中存在的数据。在levels()函数中使用的数据必须对应于因子变量。否则会创建垃圾数据。

xf
# [1] a b c a b c
# Levels: a b c

将值中的"a"更改为"e"，"b"更改为"f"，"c"更改为"g"。此示例展示了如何正确转换因子变量的类别名称。

levels(xf) <- c("e", "f", "g", "e", "f", "g")
> xf
# [1] e f g e f g
# Levels: e f g

现在是垃圾类型：请注意，数据与因子变量xf不对应。要查看整数向量，请使用unclass(xf)。

levels(xf) <- c("m", "m", "m", "n", "n", "n")
xf
# [1] m m m m m m
# Levels: m n

- Sathish

---

@pauljohn32 在你的代码 xf <- factor(x, levels = c("a", "b", "c", "d"), labels = c("a", "a", "a", "d")) 中，你试图创建一个带有重复类别的因子变量，这是无效的操作。例如，标签中的值将覆盖级别参数。 - Sathish

如果您在使用 unique 时，像这样 xf <- factor(x, levels = c("a", "b", "c", "d"), labels = unique(c("a", "a", "a", "d")))，那么您将会得到一个错误，因为级别和标签参数的长度冲突。 - Sathish

关键在于 length(levels) = length(labels)。如果您看到函数 factor 的用法，它表示 levels = labels，这暗示标签参数中的值将被分配给 levels 参数。请检查此代码 xf <- factor(x, labels = unique(c("a", "a", "a", "d", "b", "c")))。 - Sathish

分类变量：factor() - 创建；levels() - 修改。 - Sathish

分类变量 factor() 参数：1. levels - 指示不同的类别；2. labels - 根据 levels 参数中指定的名称更改类别的名称；3. exclude - 从变量中删除一个类别。 - Sathish