如何在R中选择所有的因子变量

Question

我有一个名为 "insurance" 的数据框，其中包含数值和因子变量。如何选择所有因子变量以便检查分类变量的级别？

我尝试使用 sapply(insurance,class) 来获取所有变量的类别。但是由于变量名称也包含在 sapply() 的结果中，所以我无法基于逻辑参数确定是否为 class(var)="factor"。

谢谢，

- Gold Waterson

Answer 1

一些数据：

insurance <- data.frame(
  int   = 1:5,
  fact1 = letters[1:5],
  fact2 = factor(1:5),
  fact3 = LETTERS[3:7]
)

我会像你一样使用 sapply，但结合 is.factor 来返回一个逻辑向量：

is.fact <- sapply(insurance, is.factor)
#   int fact1 fact2 fact3 
# FALSE  TRUE  TRUE  TRUE

然后使用 [ 来提取这些列：

factors.df <- insurance[, is.fact]
#   fact1 fact2 fact3
# 1     a     1     C
# 2     b     2     D
# 3     c     3     E
# 4     d     4     F
# 5     e     5     G

最后，使用lapply获取级别：

lapply(factors.df, levels)
# $fact1
# [1] "a" "b" "c" "d" "e"
# 
# $fact2
# [1] "1" "2" "3" "4" "5"
# 
# $fact3
# [1] "C" "D" "E" "F" "G"

你可能会觉得str(insurance)很有趣，它是一个简短的概述。

- flodel

Answer 2

这似乎是使用很少用到的rapply函数的完美时机。

rapply(insurance, class = "factor", f = levels, how = "list")

或者

Filter(Negate(is.null),rapply(insurance, class = "factor", f = levels, how = "list"))

为了去除不是因子的NULL元素，

或者简单地

lapply(Filter(is.factor,insurance), levels))

- mnel

Answer 3

insurance %>% select_if(~class(.) == 'factor')

- Haro

---

你好 - 这可能解决了原帖的问题，但如果能说明为什么可以解决原贴的问题会更有用。解释有助于人们学习 :) - MyStackRunnethOver

Answer 4

我建议在这里使用dplyr和purrr。首先选择因子列，然后使用purrr :: map显示每个列的因子水平。

library(tidyverse)

insurance %>%
  select(where(is.factor)) %>%
  map(levels)

- mharinga

Answer 5

使用flodel中的数据框“insurance”一次获取所有因素，您可以使用apply，如下所示：

apply(insurance,2,factor)

     int fact1 fact2 fact3
[1,] "1" "a"   "1"   "C"  
[2,] "2" "b"   "2"   "D"  
[3,] "3" "c"   "3"   "E"  
[4,] "4" "d"   "4"   "F"  
[5,] "5" "e"   "5"   "G"  

如果你只对一个因素的水平感兴趣，可以按照以下步骤进行：

factor(insurance$fact1)

[1] a b c d e
Levels: a b c d e

- hvollmeier

---

我不是第一个点踩的人，但加负面评价的原因是要阻止你在不适当的情况下使用apply。它会把第一个参数强制转换为矩阵，在这里是字符矩阵。因子信息会丢失。 - IRTFM

DWin，感谢您留下带有负面评价的评论。我之前并不知道使用我建议的方式可能会导致“apply”出现问题。我鼓励每个人在给出负面评价时添加简短的评论，而不是“只是这样做”，毕竟这并不是个人问题，周到的评论可以为社区增加与正确答案同等的知识。 - hvollmeier