如何比较具有不同水平的两个因素？

Question

有没有可能比较两个长度相同但不同级别的因素？例如，如果我们有这两个因素变量：

A <- factor(1:5)

str(A)
 Factor w/ 5 levels "1","2","3","4",..: 1 2 3 4 5

B <- factor(c(1:3,6,6))

str(B)
 Factor w/ 4 levels "1","2","3","6": 1 2 3 4 4

如果我尝试使用例如 == 运算符进行比较：

mean(A == B)

我遇到了以下错误：

Error in Ops.factor(A, B) : level sets of factors are different

这是因为A和B的水平集不同导致的。

- vijay

---

请你解释一下“比较两个因子”是什么意思。我不太清楚。 - user2100721

@user2100721 我猜他们想知道重叠的比例。以我的帖子为例，重叠部分是 3 个，总共有 5 个，所以 3/5 = 0.6。请注意，TRUE / FALSE 会隐式转换为 1/0，即：TRUE + TRUE = 2。 - zx8754

@zx8754 谢谢。我明白了你的意思。 - user2100721

@zx8754 抱歉打扰了，我之前忘记用 factor 包装了。使用 microbenchmark 测试后，你的解决方案快了近两倍，这有点令人惊讶。 - akrun

@zx8754 我已经在你的答案中添加了该选项，希望你不介意。 - akrun

@zx8754 我根本不关心声望 :-) - akrun

Answer 1

转换为字符后再进行比较：

# data
A <- factor(1:5)
B <- factor(c(1:3,6,6))

str(A)
# Factor w/ 5 levels "1","2","3","4",..: 1 2 3 4 5
str(B)
# Factor w/ 4 levels "1","2","3","6": 1 2 3 4 4

mean(A == B)

Error in Ops.factor(A, B) : level sets of factors are different

错误：Ops.factor(A, B) 中因子的级别集不同。

mean(as.character(A) == as.character(B))
# [1] 0.6

或者另一种方法是

mean(levels(A)[A] == levels(B)[B])

在一个1e8的数据集上，它的速度慢了2倍。

- zx8754

---

根据你对“比较”的具体含义，你还可以查看all.equal。 - David_B

@David_B 我不确定在这种情况下如何使用 all.equal。 - zx8754

Answer 2

将其转换为字符，就像@zx8754的答案中所述，是解决这个问题最简单的方法，也可能是你几乎总是想使用的方法。另一个选择是纠正这2个变量，使它们具有相同的级别。如果您希望出于某种原因将这些变量保留为因子，并且不想在代码中重复调用as.character，则可以这样做。

A <- factor(1:5)
B <- factor(c(1:3,6,6))

mean(A == B)
Error in Ops.factor(A, B) : level sets of factors are different

我们可以将两个因子的级别取并集，以获得任一因子中的所有级别，然后使用该并集重新创建因子作为级别。现在，尽管这两个因子具有不同的值，但它们之间的级别是相同的，您可以进行比较。

C = factor(A, levels = union(levels(A), levels(B)))
D = factor(B, levels = union(levels(A), levels(B)))

mean(C==D)
[1] 0.6

正如您所看到的，这些值并没有改变，但是它们的级别现在是相同的。

C
[1] 1 2 3 4 5
Levels: 1 2 3 4 5 6

D
[1] 1 2 3 6 6
Levels: 1 2 3 4 5 6

- divibisan