tidyverse —— forcats包 - 卖萌控的博客

作者简介

野菜团子，R语言中文社区专栏作者

博客：https://ask.hellobi.com/blog/esperanca

forcats包用于处理因子，可以更高效地对因子进行修改。

1. 生成因子

R语言的base包中函数如dataframe等默认因子在分类变量读入时就会生成，而tidyverse包中的readr等包则会保留数据读入时的原样不做改变，要生成因子则可以使用parse_factor函数进行处理。parse_factor函数更审慎一些，会对不在给定的因子水平中的变量取值一个警告，而base包中的factor则会直接将该值记为NA，不给出报错或警告。

x <- c("Dec", "Apr","Jam", "Mar")

month_levels <- c(

"Jan", "Feb", "Mar","Apr", "May", "Jun", "Jul","Aug", "Sep", "Oct", "Nov","Dec"

)

y <- parse_factor(x, levels = month_levels)

如下图，x中的“Jam”不在给定的因子水平中，所以返回一个警告。

2. 因子调序

实践中经常需要对因子进行重新排序，比如为了绘制的图形更美观等目的。fct_reorder函数即用于此。它可以将因子按照给定的数字向量进行调整。

以美国综合社会调查的数据gss_cat为例，它有9个变量，21483个观测值。我们想要绘制人口中不同宗教信仰的人每天看电视的时间的均值图：

relig <- gss_cat %>%

group_by(relig) %>%

summarize(

age = mean(age, na.rm = TRUE),

tvhours = mean(tvhours, na.rm = TRUE),

n = n()

)

ggplot(relig, aes(tvhours, relig)) + geom_point()

各宗教的排序散乱，我们想要宗教的顺序按照看电视的时间递减排序，就可以把tvhours作为排序的参数进行调整，再传入ggplot函数中作为纵轴：

ggplot(relig, aes(tvhours, fct_reorder(relig,tvhours))) +

geom_point()

如果想要递增排序，就再加上一个fct_rev函数：

ggplot(relig, aes(tvhours, fct_reorder(relig, tvhours)%>% fct_rev())) +

geom_point()

3. 修改因子水平

有的数据中的因子水平表述不清，我们需要将它们重新命名。这时候fct_recode函数就派上了用场。比如gss_cat数据中，记录的人们的政治倾向中，我们想把"Strongrepublican"改为"Republican, strong"、"Not str republican"改为"Republican,weak"，等等：

gss_cat %>% count(partyid)

gss_cat %>%

mutate(partyid = fct_recode(partyid,

"Republican, strong" = "Strongrepublican",

"Republican, weak" = "Not strrepublican",

"Independent, near rep" = "Ind,nearrep",

"Independent, near dem" = "Ind,neardem",

"Democrat, weak" = "Not strdemocrat",

"Democrat, strong" = "Strongdemocrat"

)) %>%

count(partyid)

进一步观察我们发现，partyid中有"Noanswer", "Don't know", "Other party"的记录，这样的细分没有太大意义，我们可以将它们全部改为"Other"，同样的，如果我们不在意他们是否是坚定的拥护者，只想知道他们的党派立场，还可以重新归纳为共和党、民主党、中立三个因子。这一任务用fct_recode函数可以实现，只要把它们都重命名为"Other"就可以。但是太过繁琐，我们可以使用fct_collapse函数：

gss_cat %>%

mutate(partyid = fct_collapse(partyid,

other = c("No answer", "Don'tknow", "Other party"),

rep = c("Strong republican", "Notstr republican"),

ind = c("Ind,near rep","Independent", "Ind,near dem"),

dem = c("Not str democrat", "Strongdemocrat")

) ) %>%

count(partyid)