如何在改变水平时保留NA值

Question

我创建了一个包含NA值的因子向量。

my_vec <- factor(c(NA,"a","b"),exclude=NULL)
levels(my_vec)
# [1] "a" "b" NA 

我修改了其中一个级别。

levels(my_vec)[levels(my_vec) == "b"] <- "c"

NA消失了。

levels(my_vec)
# [1] "a" "c"

我该怎么保留它？

---

编辑

@rawr提供了一个不错的解决方案，可以大多数情况下工作，它适用于我的先前特定示例，但对于下面我将展示的示例则无效。 @Hack-R提供了一种实用的选项，使用addNA我可以使其正常工作，但我更喜欢一个完全通用的解决方案。

请参阅这个广义问题

my_vec <- factor(c(NA,"a","b1","b2"),levels = c("a",NA,"b1","b2"),exclude=NULL)
levels(my_vec)
[1] "a"  NA   "b1" "b2"
levels(my_vec)[levels(my_vec) %in% c("b1","b2")] <- "c"
levels(my_vec)
[1] "a" "c"      # NA disppeared

@rawr的解决方案：

my_vec <- factor(c(NA,"a","b1","b2"),levels = c("a",NA,"b1","b2"),exclude=NULL)
levels(my_vec)
[1] "a"  NA   "b1" "b2"
attr(my_vec, 'levels')[levels(my_vec) %in% c("b1","b2")] <- "c"
levels(my_vec)
droplevels(my_vec)
[1] "a" NA  "c" "c" # c is duplicated

@Hack-R的解决方案：

my_vec <- factor(c(NA,"a","b1","b2"),levels = c("a",NA,"b1","b2"),exclude=NULL)
levels(my_vec)
[1] "a"  NA   "b1" "b2"
levels(my_vec)[levels(my_vec) %in% c("b1","b2")] <- "c"
my_vec <- addNA(my_vec)
levels(my_vec)
[1] "a" "c" NA     # NA is in the end

I want levels(my_vec) == c("a",NA,"c")

- moodymudskipper

---

有趣的是，?levels 表明你的方法是首选，但是 attr(my_vec, 'levels')[attr(my_vec, 'levels') == 'b'] <- 'c' 的效果也是符合预期的。 - rawr

attr(my_vec, 'levels')[levels(my_vec) == "b"] <- 'c'同样有效，这将解决我的问题，现在知道为什么会这样也是不错的 :) - moodymudskipper

要了解这个，你就必须挖掘原始数据:function (x, value) .Primitive("levels<-") : 祝你好运 ;-) - Cath

因此，它基于这个C函数。 - Cath

@Cath 是的，在那种情况下，alexis-laz，在sotos发布的链接中的评论会起作用，vec <- factor(c("a","b", NA), levels=paste(c("a","b", NA)))。 - lmo

Answer 1

你需要引用NA，否则R会将其视为null值而不是因子级别。因子级别默认按字母顺序排序，但显然这并不总是有用的，所以你可以通过向levels()传递一个新的列表顺序来指定不同的顺序。

require(plyr)
my_vec <- factor(c("NA","a","b1","b2"))
vec2 <- revalue(my_vec,c("b1"="c","b2"="c"))

#now reorder levels

my_vec2 <- factor(vec2, levels(vec2)[c(1,3,2)])

Levels: a NA c

- Mako212

---

如果你引用它，它就不再是NA了 :) - moodymudskipper

@Moody_Mudskipper 对于你来说，是这样的。如果你想将NA存储为factor级别，那么无论NA是一个字符串还是一个真正的<NA>值都不应该有任何区别，实际上，最好将NA存储为字符串，这样你就不必为每个操作传递特殊规则以处理NA。 - Mako212

有很多需要替换的内容，一些是要更改的 is.na 等等，这并不是那么简单。 - moodymudskipper

每当我做像用"NA"替换NA这样的事情时，我感觉可能有更简洁的方法，我开始怀疑NA因素是否有帮助，也许在需要之前使用addNA才是最清洁的方式。 - moodymudskipper

Answer 2

我终于创建了一个函数，首先用临时值（受@lmo启发）替换NA值，然后按照标准方式进行所需的替换，最后使用@rawr的建议将NA放回原位。

my_vec <- factor(c(NA,"a","b1","b2"),levels = c("a",NA,"b1","b2"),exclude=NULL)
my_vec <- level_sub(my_vec,c("b1","b2"),"c")
my_vec
# 1] <NA> a    c    c   
# Levels: a <NA> c

作为奖励，level_sub 可以与 na_rep = NULL 一起使用，这将删除 NA，并且在管道链中看起来很好：)。

level_sub <- function(x,from,to,na_rep = "NA"){
  if(!is.null(na_rep)) {levels(x)[is.na(levels(x))] <- na_rep}
  levels(x)[levels(x) %in% from] <- to
  if(!is.null(na_rep)) {attr(x, 'levels')[levels(x) == na_rep] <- NA}
  x
}

---

尽管如此，似乎R确实不希望您将NA添加到因子中。

levels(my_vec) <- c(NA,"a")会产生奇怪的行为，但这并不止于此。虽然subset将保留列中的NA级别，但rbind会悄悄地删除它们！如果进一步调查发现有一半的R函数都会删除NA因子，则我不会感到惊讶，这使得它们非常不安全...

- moodymudskipper