我有一个包含因子的数据帧。当我使用子集或其他索引函数创建这个数据帧的子集时，就创建了一个新的数据帧。然而，因子变量保留其所有原始水平，即使它们不存在于新的数据框架中。
这在绘制面图或使用依赖于因子级别的函数时会导致问题。
在新的数据框架中从一个因子中移除级别最简洁的方法是什么?
这里有一个例子:
df <- data.frame(letters=letters[1:5],
numbers=seq(1:5))
levels(df$letters)
## [1] "a" "b" "c" "d" "e"
subdf <- subset(df, numbers <= 3)
## letters numbers
## 1 a 1
## 2 b 2
## 3 c 3
# all levels are still there!
levels(subdf$letters)
## [1] "a" "b" "c" "d" "e"
当前回答
这是一个已知的问题，您的示例所在的gdata包中的drop.levels()提供了一个可能的补救措施
> drop.levels(subdf)
letters numbers
1 a 1
2 b 2
3 c 3
> levels(drop.levels(subdf)$letters)
[1] "a" "b" "c"
在Hmisc包中还有一个dropUnusedLevels函数。但是，它只能通过修改子集操作符[来工作，在这里不适用。
因此，基于每列的直接方法是简单的As .factor(As .character(data)):
> levels(subdf$letters)
[1] "a" "b" "c" "d" "e"
> subdf$letters <- as.factor(as.character(subdf$letters))
> levels(subdf$letters)
[1] "a" "b" "c"
其他回答
你所要做的就是在子集设置后再次应用factor()到你的变量:
> subdf$letters
[1] a b c
Levels: a b c d e
subdf$letters <- factor(subdf$letters)
> subdf$letters
[1] a b c
Levels: a b c
EDIT
因子页的例子如下:
factor(ff) # drops the levels that do not occur
要从数据框架中的所有因子列中删除级别，您可以使用:
subdf <- subset(df, numbers <= 3)
subdf[] <- lapply(subdf, function(x) if(is.factor(x)) factor(x) else x)
非常有趣的话题，我特别喜欢因子子选择的想法。我以前遇到过类似的问题，我只是转换成字符，然后再转换回因子。
df <- data.frame(letters=letters[1:5],numbers=seq(1:5))
levels(df$letters)
## [1] "a" "b" "c" "d" "e"
subdf <- df[df$numbers <= 3]
subdf$letters<-factor(as.character(subdf$letters))
这里有一种方法
varFactor <- factor(letters[1:15])
varFactor <- varFactor[1:5]
varFactor <- varFactor[drop=T]
一个真正的droplevels函数是collapse::fdroplevels，它比droplevels快得多，并且不执行任何不必要的匹配或数值制表。例子:
library(collapse)
library(microbenchmark)
# wlddev data supplied in collapse, iso3c is a factor
data <- fsubset(wlddev, iso3c %!in% "USA")
microbenchmark(fdroplevels(data), droplevels(data), unit = "relative")
## Unit: relative
## expr min lq mean median uq max neval cld
## fdroplevels(data) 1.0 1.00000 1.00000 1.00000 1.00000 1.00000 100 a
## droplevels(data) 30.2 29.15873 24.54175 24.86147 22.11553 14.23274 100 b
这是令人讨厌的。我通常是这样做的，以避免加载其他包:
levels(subdf$letters)<-c("a","b","c",NA,NA)
这就得到了:
> subdf$letters
[1] a b c
Levels: a b c
注意，新级别将取代旧级别中占据其索引的任何内容(subdf$letters)，因此如下所示:
levels(subdf$letters)<-c(NA,"a","c",NA,"b")
不能工作。
当你有很多关卡时，这显然不太理想，但对于少数关卡来说，这是快速而简单的。
