13

我正在使用一个包含 16 个问题的数据集,其中响应集相同(是、否、未知或缺失)。我正在使用 R 处理数据,我想将每个变量变成一个因素。对于单个变量,我可以使用以下构造:

df <- read.csv("thedata.csv")
df$q1 <- factor(x=df$q1,levels=c(-9,0,1),
                        labels=c("Unknown or Missing","No","Yes))

我想避免输入 16 次。我可以用 a 来做到这一点for(),但我想知道是否有更清晰、更 R 的方式来做到这一点。一些样本数据:

structure(list(q1 = c(0, 0, 0, -9, 0), q2 = c(0, 0, 1, 0, 0),
               q3 = c(0, 0, 1, 0, 0), q4 = c(1, 1, 0, 0, 0),
               q5 = c(0, 1, 1, 1, 1), q6 = c(1, 1, 1, 0, 0),
               q7 = c(0, 0, 0, 1, 0), q8 = c(0, 0, 1, 1, 1),
               q9 = c(1, 0, -9, 1, 0), q10 = c(1, 0, 0, 0, 0),
               q11 = c(0, 1, 1, 0, 0), q12 = c(1, 1, 0, 0, 0),
               q13 = c(1, -9, 1, 0, 0), q14 = c(0, 0, 0, 1, 1),
               q15 = c(1, 0, 1, 1, 0), q16 = c(1, 1, 1, 1, 1)),
               .Names = c("q1", "q2", "q3", "q4", "q5", "q6", "q7",
                          "q8", "q9", "q10", "q11", "q12", "q13",
                          "q14", "q15", "q16"),
               row.names = c(NA, -5L), class = "data.frame")
4

2 回答 2

21
df[] <- lapply(df, factor, 
              levels=c(-9, 0, 1), 
              labels = c("Unknown or Missing", "No", "Yes"))
str(df)

可能比需要 data.frame 对这些结果进行重新分类/重新分类的 apply 或 sapply 更快。这里的诀窍是,[]在分配的 LHS 上使用保留了目标的结构(因为 R“知道”它的类和维度是什么,并且不需要data.frame列表 from lapply。如果你想这样做只有选定的列你可以这样做:

 df[colnums] <- lapply(df[colnums], factor, 
              levels=c(-9, 0, 1), 
              labels = c("Unknown or Missing", "No", "Yes"))
 str(df)
于 2013-03-18T18:47:33.567 回答
1

使用 R 基础解决方案apply

 data.frame(apply(df, 2, factor, 
                 levels=c(-9, 0, 1), 
                 labels = c("Unknown or Missing", "No", "Yes")))

使用sapply

data.frame(sapply(df, factor, levels=c(-9, 0, 1), 
         labels = c("Unknown or Missing", "No", "Yes")))
于 2013-03-18T18:43:05.157 回答