问题标签 [r-factor]

我经常遇到这个问题，以至于我认为必须有一个好的成语。假设我有一个带有一堆属性的 data.frame，包括“产品”。我还有一把将产品转化为品牌+尺寸的钥匙。产品代码 1-3 是 Tylenol，4-6 是 Advil，7-9 是 Bayer，10-12 是 Generic。

编码这个的最快（就人类时间而言）方法是什么？

ifelse如果有 3 个或更少的类别，我倾向于使用 nested ，如果超过 3 个，我会输入数据表并将其合并。有更好的想法吗？Stata 有一个非常适合这类事情的recode命令，尽管我认为它过度促进了数据代码混合。

您如何根据因子变量水平的观察次数进行子集化？我有一个包含 1,000,000 行和近 3000 个级别的数据集，我想用更少的 200 个观察值对级别进行子集化。

正如您从上面的摘要中看到的那样，有些因素只有几个 obs，我想删除小于 100 的因素。

我尝试了以下方法，但没有奏效：

我浏览了许多关于排序因素的帖子，但还没有找到适合我的问题的匹配项。不幸的是，我对 R 的了解还很初级。

我有一个正在使用的考古文物目录的子集。我正在尝试对诊断历史工件类型和站点测试位置进行交叉制表。使用 ddply 或 tapply 很容易。

我的问题是我想按平均诊断日期（数字/年份）对工件类型（一个因素）进行排序，并且我一直按字母顺序获取它们。我知道我需要将其设为有序因子，但无法弄清楚如何按另一列中的年份值对其进行排序。

需要订购的：

因子 (IDENTIFY) 需要按日期 (MIDDATE) 排序。我以为我有

但得到警告：

IDENTIFY 有大约 130 个因子水平，许多具有相同的 MIDDATE 值，所以我需要按 MIDDATE 和另一列 TYPENAME 订购 IDENTIFY。

更详细一点：

我有一个 dataframe Catalog，它分解（即str(Catalog)）为：

我需要制作IDENTIFY一个有序因子，并按MIDDATE-> TYPENAME-> alpha by重新排序IDENTIFY。

我没有真正得到的是如何通过来自多个列的组合订单重新排序。

我只会在数据库中执行此操作，但是我正在运行的很多内容都是各种交叉表中的加权平均值（例如，按位置划分的工件类的地表以下加权平均深度）...

...在 Access 中可行，但混乱且不可预测。在 R 中管理起来更容易、更干净，但我宁愿不必手动重新排序结果表。

我试图产生的是沿着这些方向的一些东西：

...但我需要他们按逻辑（即时间/类型）顺序而不是字母顺序排序。

我在这里做错了什么？

我希望我的 xts/quantmod 对象中的一列成为一个因素。我不知道为什么它不起作用。

谢谢

这是我之前的一个问题的后续：Combining Survey Items in R/Recoding NAs

我有一个包含多个因子变量的数据框，我想将它们组合成一个变量。

我希望组合数据框看起来像这样。

使用上一篇文章中的技术 within(df, x3 <- ifelse(is.na(x1), x2, x1))适用于数字，但似乎不能很好地处理这些因素。

我正在使用 GAM 模型根据给定点的某些环境条件来预测物种丰度。我创建了一个广义加法模型 (GAM) 来执行此操作并以此为基础进行预测。但是，我在模型方程中有一个分类变量（沉积物类型 = [1,2,3,4]）。该方程似乎工作得很好，但是拟合的结果似乎将因子水平“1”吸收到截距中。见下文。

谁能解释这个模型发生了什么？我不完全明白。这是在 R 中使用 mgcv 包运行的。谢谢！

我有一个df格式为“long”的data.frame。

问题

如何删除df$time每个级别不存在唯一元素的行df$site？

在这种情况下，我想删除df[3,]，因为df$time时间戳 33 仅存在于站点 A 而不是站点 B 和站点 C。

期望的输出：

data.frame 很容易有 800k 行和 200k 唯一时间戳。我不想使用循环，但我不知道如何使用这种情况下的矢量化apply()函数lapply()。

我正在尝试在 R 中进行一些数据操作。我有 2 个数据框，一个是训练数据，另一个是测试数据，所有数据都是分类数据并存储为因子变量。

数据中有一些 NA，我正在尝试将它们转换为“-1”。当我为训练数据做这件事时，一切都很好，但对测试数据却不是。

在我运行的循环中有些东西会改变值，但我不知道是什么。

这是之前的：

这是循环：

后面是这样的：

我已经看到使用字符-> 数字转换时上移了一个，但我无法弄清楚为什么会发生这种情况，尤其是对于其中一个数据帧/循环。

有什么建议么？

我正在重组一个物种名称数据集。它有一个带有拉丁名称的列和一个带有琐碎名称的列（如果可用）。我想创建一个第三列，在可用时给出琐碎的名称，否则是拉丁名称。琐碎名称和拉丁名称都属于因子类。我尝试过使用 if 循环：

它给了我正确的 trivnames，但只在提供拉丁名称时给出 NA。
当我使用 ifelse 时，我只得到数字。

一如既往，所有帮助表示赞赏:)

我有不同的 csv 文件，我正在阅读这样的文件：

我接下来想要实现的是根据名为“案例”的列拆分（分配因子）文件，并为每个“案例”绘制条形图中剩余列的所有平均值。所以最后如果我有 2 个文件、50 个因子和 26 列，我将得到 100 个带有 26 条的图。

所以我需要每个文件，比如，

但是对于每个文件，然后为每个因子绘制 26 条图。

希望这很清楚。

感谢您的任何建议。

例如，对于我拥有的每个文件

所以因数是AAA, BBB, CCC, DDD, EEE。我需要为每个文件绘制这些因子的每一列的平均值。

谢谢你的支持。