美文网首页
处理因子的一些函数

处理因子的一些函数

作者: 新云旧雨 | 来源:发表于2019-12-16 23:45 被阅读0次

笔记说明

在R中,分类变量一般以因子(factor)的形式存在。forcats包是一个专门用于处理因子(factor)的r包,现在也成为了tidyverse的核心包之一。
本次笔记介绍处理因子的一些函数,不全都是forcats包里的。
笔记中很多内容来自https://b-rodrigues.github.io/modern_R/descriptive-statistics-and-data-manipulation.html#section

推荐阅读:
关于factor:https://r4ds.had.co.nz/factors.html
关于forcats包:https://cran.r-project.org/web/packages/forcats/vignettes/forcats.html

用factor()生成因子

factor()是R自带的函数,用于生成因子。例如:sex_raw是表示性别的变量,,0代表女性,1代表男性。用factor()为其进行编码:

# 生成factor
sex_raw <- c(1,0,1,0,0,1,1)
(sex <- factor(sex_raw,levels = c(0:1), labels = c("女", "男")))
## [1] 男 女 男 女 女 男 男
## Levels: 女 男

sex变量赋值的那行代码外围加了括号是一个小技巧,其效果是进行赋值操作后立即显示变量内容,这样就不用为了查看赋值结果再写一遍sex并运行。
注意在factor()levels=的内容和labels=的内容顺序是对应的。

示例数据准备

farcats现在已经是tidyverse的核心包之一了。加载tidyverse时就会自动加载farcats

library(tidyverse)
## -- Attaching packages ---------------------------------- tidyverse 1.2.1 --
## √ ggplot2 3.2.0     √ purrr   0.3.2
## √ tibble  2.1.3     √ dplyr   0.8.3
## √ tidyr   1.0.0     √ stringr 1.4.0
## √ readr   1.3.1     √ forcats 0.4.0
## -- Conflicts ------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

我们使用forcats包自带的示例数据gss_cat

data(gss_cat)  
head(gss_cat)
## # A tibble: 6 x 9
##    year marital         age race  rincome        partyid            relig              denom            tvhours
##   <int> <fct>         <int> <fct> <fct>          <fct>              <fct>              <fct>              <int>
## 1  2000 Never married    26 White $8000 to 9999  Ind,near rep       Protestant         Southern baptist      12
## 2  2000 Divorced         48 White $8000 to 9999  Not str republican Protestant         Baptist-dk which      NA
## 3  2000 Widowed          67 White Not applicable Independent        Protestant         No denomination        2
## 4  2000 Never married    39 White Not applicable Ind,near rep       Orthodox-christian Not applicable         4
## 5  2000 Divorced         25 White Not applicable Not str democrat   None               Not applicable         1
## 6  2000 Married          25 White $20000 - 24999 Strong democrat    Protestant         Southern baptist      NA

用tabyl()查看频数分布

对于分类变量,频数分布表是一个查看变量情况的不错的方法。可以使用R自带的table(),这里我们使用janitor包中的tabyl()

library(janitor)
tabyl(gss_cat$marital)
## gss_cat$marital     n      percent
##        No answer    17 0.0007913234
##    Never married  5416 0.2521063166
##        Separated   743 0.0345854862
##        Divorced  3383 0.1574733510
##         Widowed  1807 0.0841130196
##         Married 10117 0.4709305032

用fct_recode()对faoctor进行重新编码

factor变量内含有多个固定的水平(levels),可以用fct_recode()对factor变量的水平进行重编码:

gss_cat <- gss_cat %>%
  mutate(marital = fct_recode(marital,
                              refuse = "No answer",
                              never_married = "Never married",
                              divorced = "Separated",
                              divorced = "Divorced",
                              widowed = "Widowed",
                              married = "Married"))
gss_cat %>%
  tabyl(marital)
##        marital     n      percent
##         refuse    17 0.0007913234
##  never_married  5416 0.2521063166
##       divorced  4126 0.1920588372
##        widowed  1807 0.0841130196
##        married 10117 0.4709305032

注意在进行重编码时将原来的"Separated"和"Divorced"都重编为"divorced",实现了对原始水平的合并。

用fct_lump()合并占比小的水平

看上面的频数分布情况,"refuse"和"widowed"这两个水平占比都小于10%,可以用fct_lump()把占比小于特定比例的水平全合并到一起:

gss_cat <- gss_cat %>%
  mutate(marital = fct_lump(marital, prop = 0.10, other_level = "other"))

gss_cat %>%
  tabyl(marital)
##        marital     n    percent
##  never_married  5416 0.25210632
##       divorced  4126 0.19205884
##        married 10117 0.47093050
##          other  1824 0.08490434

做频数分布条形图以及用fct_reorder()对水平进行排序

tabyl()的结果也是一个tibble对象,可以对其生成的频数分布数据做频数分布条形图:

gss_cat %>%
  tabyl(marital) %>%
  ggplot() +
  geom_col(aes(y = n, x = marital)) +
  coord_flip()

做这种条形图时我们希望各水平能按照频数的大小顺序排列,fct_reorder()在这种作图中就很有用:
gss_cat %>%
  tabyl(marital) %>%
  mutate(marital = fct_reorder(marital, n, .desc = FALSE)) %>%
  ggplot() +
  geom_col(aes(y = n, x = marital)) +
  coord_flip()

相关文章

  • 处理因子的一些函数

    笔记说明 在R中,分类变量一般以因子(factor)的形式存在。forcats包是一个专门用于处理因子(facto...

  • R-tidyverse系列-forcats处理因子

    之前已经学过用基础函数factor()处理常见因子问题,而forcats包提供几种便捷修改因子水平的函数,可能会用...

  • 春招笔记 哈希

    1. 表的查找效率取决于散列函数、处理冲突的方法和装填因子。显然,冲突的产生概率与装填因子(表中记录数与表长之比...

  • 1027 chapter11 使用forcats

    简介 forcats 处理分类变量,因子比字符容易处理 创建因子 ①创建有效水平的列表 ② 创建因子 不在集合内的...

  • 2019-07-30[R语言编程艺术-3]

    chapter6 因子和表 因子 分类向量 因子不能添加非法水平(?) 因子常用函数 tapply(x,f,g),...

  • R--因子与表

    因子 利用因子或者因子表,使用对应函数对数据框进行操作 因子表中因子需要与x有相同的长度 因子表的一部分是向量的话...

  • 输出100以内的完全数

    完全数:又称为完美数或完备数,是一些特殊的自然数。它所有的真因子(即除了自身以外的约数)的和(即因子函数),恰好等...

  • 热更新03_标准库函数Day1128

    Lua内置提供了一些常用的函数帮助我们开发 1,数学处理的math相关函数 2,字符串处理的string相关函数 ...

  • R语言与生信应用25-R语法-tapply

    tapply tapply 对向量的子集执行批处理操作。 X 是一个向量 INDEX 因子或因子的列表(或与因子相...

  • (转)jQuery.delegate() 函数详解

    delegate()函数用于为指定元素的一个或多个事件绑定事件处理函数。 此外,你还可以额外传递给事件处理函数一些...

网友评论

      本文标题:处理因子的一些函数

      本文链接:https://www.haomeiwen.com/subject/ezfswctx.html