问题标签 [forcats]

我正在使用此代码来组合这些级别

我的输出是：

错误：“sal$type_employerCap = fct_collapse(sal$type_employer,fed_loc_state = c(" Federal-gov"," Local-gov ","State-gov "), inc_not-inc_ prv" 中出现意外符号

看不懂，要改什么

我正在尝试比较数据框中的两个因素以创建一个新变量。这些因素有不同的水平，这是抛出一个错误。

这是一个可重现的示例

这是错误：

我知道我可以通过将因子转换为字符或数字和/或通过将未使用的级别添加到因子以使级别匹配来进行比较，例如如何比较具有不同级别的两个因子？

但是是否可以直接与原始因素进行比较？

输出应该看起来与

谢谢您的帮助！

在这里，我使用数据制作了一个绘图，显示了以特定方式排序的每个“bins”中对应的“d”值。

如您所见，我已明确命令它们（在 ggplot 代码中）创建下图。

有没有一种优雅的方法可以通过引入顺序来做同样的事情，正如您可能看到的那样，我已经为此示例引入了列顺序。

如果可能，我正在尝试使用forecats 包中的 fct_reorder()重写代码，或者找到任何其他可能的优雅方法来实现相同的结果，主要是因为我想重用和概括其他数据集或自定义函数。

代码看起来有点像下面，为了简单起见，我创建了一个示例数据集。

生成的图如下：

提前感谢您的建议。:)

代码变化：

根据进来的建议，我查看了代码并将其调整为不使用 cbind()，请在此处找到调整后的代码：

谢谢

我在“分解”字符变量和标记/重新编码不同级别时遇到了一些麻烦。有没有一种有效的方法（即更少的编码）与tidyverse或Base R诸如recode或fct_collapse等等......谢谢

我有 tibble wherecol1是可变长度的字符向量列表，并且col2是表示组分配的数字向量，1 或 0。我想首先将列表 ( col1) 中的所有字符向量转换为因子，然后统一所有这些因素的因素水平，以便我最终可以获得每个因素水平的计数。对于下面的示例数据，这意味着计数如下：

全面的：

对于组 = 1：

对于组 = 0：

最终目标是能够获得每个因子水平的总数c("a","b","c","d","e")并通过分组变量绘制它们。

下面是一些代码，可以为我的问题提供更好的上下文：

不幸的是，这段代码失败了。我收到以下错误，但不知道为什么：

Error:fsmust be a list

我以为我的输入是一个列表？

我感谢任何人可能提供的任何帮助。谢谢。

unique()功能和有什么区别fct_unique()？fct_unique()除了仅适用于因子之外，似乎没有任何区别，而unique()适用于所有变量，分类和数字。

我遇到了 recode_factor 函数的问题。出于某种原因，我不能用“缺失”替换 NA。

这是我的尝试

值没有被替换，我看到一个错误

由 coercionUnreplaced 值引入的 NA 被视为 NA 作为 .x 不兼容。请详细指定替换或提供 .default

截屏

更糟糕的是，当我最终打开数据集并找到值时，它并没有改变。我仍然得到数值

我有以下数据框：

我想将值 1 和 3 折叠为“group1”，将 2 和 4 折叠为“group2”，将其他值（例如 5）折叠为“Other”。我认为 fct_collapse() 将是完美的功能，但它会做一些奇怪的事情......

然而，值 3 得到了 'group2' 而不是 'group1'。你知道为什么会这样吗？我想这与我的因子的值是数字但没有找到处理它的方法有关。任何的想法？

有些帖子处理类似的问题，但在这种情况下对我没有帮助：

用数值替换因子

两列的连接因子水平

我成功地创造了以下因素：

我正在尝试使用 forcats 函数“fct_recode”重新编码级别：

这样做，我收到以下错误代码：

知道这里发生了什么吗？

使用R...

我有一个data.frame有五个变量的。

其中一个变量colr的值范围为 1 到 5。

定义为integer具有值 1、2、3、4和5的 。

问题：我想建立一个回归模型，其中colr、整数1、2、3、4和中的值5被报告为具有以下名称的自变量。

1= 银色， 2= 蓝色， 3= 粉色， 4= 银色、蓝色或粉色以外的 5颜色，= 未报告颜色。

问题：有没有办法以与以下不同的方式提取或重命名这些值（因为此过程不会重命名，例如1在Silver摘要回归输出中）：

我对任何允许我独立创建和命名这些不同值的方法持开放态度，但我更愿意看看是否有一种方法可以使用tidyverseordplyr因为这是我在构建多元模型时经常要做的事情。

感谢您的任何帮助。