68

我有一个数据框（14.5K 行 x 15 列），其中包含 2001 年到 2007 年的计费数据。

我将新的 2008 年数据附加到它：alltime <- rbind(alltime,all2008)

不幸的是，这会产生警告：

> Warning message:
In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, NA, NA, NA, NA, NA,  :
  invalid factor level, NAs generated

我的猜测是，有一些新患者的名字不在之前的数据框中，因此它不知道给这些患者提供什么级别。同样，在“推荐医生”列中出现了新的看不见的名字。

解决方案是什么？

4

7 回答 7

31

这可能是由于两个中的类型不匹配造成的data.frames。

首先检查类型（类）。为了诊断目的，请执行以下操作：

new2old <- rbind( alltime, all2008 ) # this gives you a warning
old2new <- rbind( all2008, alltime ) # this should be without warning

cbind(
    alltime = sapply( alltime, class),
    all2008 = sapply( all2008, class),
    new2old = sapply( new2old, class),
    old2new = sapply( old2new, class)
)

我希望有一行看起来像：

            alltime  all2008   new2old  old2new
...         ...      ...       ...      ...
some_column "factor" "numeric" "factor" "character"
...         ...      ...       ...      ...

如果是这样，那么解释： rbind不要检查类型匹配。如果您分析rbind.data.frame代码，那么您可以看到第一个参数初始化了输出类型。如果在第一个 data.frame 类型中是一个因子，则输出 data.frame 列是带有级别的因子unique(c(levels(x1),levels(x2)))。但是当在第二个 data.frame 列中不是因素时，那么levels(x2)是NULL，所以级别不会扩展。

这意味着你的输出数据是错误的！有NA' 而不是真值

我想：

  1. 您使用另一个 R/RODBC 版本创建旧数据，因此使用不同的方法创建类型（不同的设置 - 可能是小数点分隔符）
  2. 有问题的列中有 NULL 或某些特定数据，例如。有人更改数据库下的列。

解决方案：

找到错误的列并找出其错误并已修复的原因。消除原因而不是症状。

于 2009-10-28T23:12:31.550 回答
27

一种“简单”的方法是在导入文本数据时根本不将字符串设置为因素。

请注意，这些read.{table,csv,...}函数带有一个stringsAsFactors参数，默认情况下设置为TRUE. 您可以FALSE在导入和rbind-ing 数据时将其设置为。

如果您想将列设置为最后的一个因素，您也可以这样做。

例如：

alltime <- read.table("alltime.txt", stringsAsFactors=FALSE)
all2008 <- read.table("all2008.txt", stringsAsFactors=FALSE)
alltime <- rbind(alltime, all2008)
# If you want the doctor column to be a factor, make it so:
alltime$doctor <- as.factor(alltime$doctor)
于 2009-10-27T18:57:04.343 回答
9

1) 创建将 stringsAsFactor 设置为 FALSE 的数据框。这应该解决因素问题

2) 之后不要使用 rbind - 如果数据框为空，它会弄乱列名。只需这样做：

df[nrow(df)+1,] <- c("d","gsgsgd",4)

/

> df <- data.frame(a = character(0), b=character(0), c=numeric(0))

> df[nrow(df)+1,] <- c("d","gsgsgd",4)

Warnmeldungen:
1: In `[<-.factor`(`*tmp*`, iseq, value = "d") :
  invalid factor level, NAs generated
2: In `[<-.factor`(`*tmp*`, iseq, value = "gsgsgd") :
  invalid factor level, NAs generated

> df <- data.frame(a = character(0), b=character(0), c=numeric(0), stringsAsFactors=F)

> df[nrow(df)+1,] <- c("d","gsgsgd",4)

> df
  a      b c
1 d gsgsgd 4
于 2013-03-30T12:25:16.260 回答
4

如上一个答案中所建议的，将列读取为字符并在 之后转换为因子rbind。 SQLFetch（我假设RODBC）也有控制字符转换的stringsAsFactorsor参数。as.is允许的值如 forread.table或as.is=TRUE某些列号。

于 2009-10-27T19:11:15.547 回答
3

我在类型不匹配方面遇到了同样的问题，尤其是在因素方面。我不得不将两个其他兼容的数据集粘合在一起。

我的解决方案是将两个数据框中的因子转换为“字符”。然后它就像一个魅力:-)

    convert.factors.to.strings.in.dataframe <- function(dataframe)
    {
        class.data  <- sapply(dataframe, class)
        factor.vars <- class.data[class.data == "factor"]
        for (colname in names(factor.vars))
        {
            dataframe[,colname] <- as.character(dataframe[,colname])
        }
        return (dataframe)
    }

如果您想查看运行的两个数据框中的类型（更改 var 名称）：

    cbind("orig"=sapply(allSurveyData, class), 
          "merge" = sapply(curSurveyDataMerge, class),
          "eq"=sapply(allSurveyData, class) == sapply(curSurveyDataMerge, class)
    )
于 2012-02-06T21:12:29.080 回答
2

创建数据框时，您可以选择将字符串列设为因子 ( stringsAsFactors=T)，或将它们保留为字符串。

对于你的情况，不要让你的字符串列因素。将它们保留为字符串，然后附加工作正常。如果您最终需要它们成为因子，请先将所有插入和附加为字符串，然后最后将它们转换为因子。

如果您将字符串列设为因子，然后附加包含未见值的行，则会在每个新的未见因子级别上收到您提到的错误，并且该值将被替换为 NA ...

> df <- data.frame(patient=c('Ann','Bob','Carol'), referring_doctor=c('X','Y','X'), stringsAsFactors=T)

  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X

> df <- rbind(df, c('Denise','Z'))
Warning messages:
1: In `[<-.factor`(`*tmp*`, ri, value = "Denise") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, ri, value = "Z") :
  invalid factor level, NA generated
> df
  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X
4    <NA>             <NA>

所以不要让你的字符串列因素。将它们保留为字符串，然后附加工作正常：

> df <- data.frame(patient=c('Ann','Bob','Carol'), referring_doctor=c('X','Y','X'), stringsAsFactors=F)
> df <- rbind(df, c('Denise','Z'))
  patient referring_doctor
1     Ann                X
2     Bob                Y
3   Carol                X
4  Denise                Z

要更改默认行为：

options(stringsAsFactors=F)

将单个列转换为字符串或因子

df$col <- as.character(df$col)
df$col <- as.factor(df$col)
于 2018-05-30T00:33:59.100 回答
0

这是一个函数，用于获取 2 个数据帧的公共行名并执行 rbind，我们基本上找到作为因子的字段，添加新因子然后执行 rbind。这应该解决任何因素问题：

rbindCommonCols<-function(x, y){

commonColNames = intersect(colnames(x), colnames(y))
x = x[,commonColNames]
y = y[,commonColNames]

colClassesX = sapply(x, class)
colClassesY = sapply(y, class)
classMatch = paste( colClassesX, colClassesY, sep = "-" )
factorColIdx = grep("factor", classMatch)

for(n in factorColIdx){ 
    x[,n] = as.factor(x[,n])
    y[,n] = as.factor(y[,n])
}

for(n in factorColIdx){ 
    x[,n] = factor(x[,n], levels = unique(c( levels(x[,n]), levels(y[,n]) )))
    y[,n] = factor(y[,n], levels = unique(c( levels(y[,n]), levels(x[,n]) )))  
} 

res = rbind(x,y)
res

}

于 2013-08-01T13:51:07.143 回答