清理因子水平（折叠多个水平/标签）

也许命名向量作为键可能有用：

> factor(unname(c(Y = "Yes", Yes = "Yes", N = "No", No = "No", H = NA)[x]))
[1] Yes  Yes  Yes  No   No   <NA>
Levels: No Yes

这看起来与你上次的尝试非常相似......但这个有效：-）

我不知道你的真实用例，但在这里会有任何用处......strtrim

factor( strtrim( x , 1 ) , levels = c("Y" , "N" ) , labels = c("Yes" , "No" ) )
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: Yes No

更新2：参见Uwe的回答，它显示了新的“整洁”方式，它正在迅速成为标准。

更新 1：现在确实允许重复的标签（但不是级别！）（根据我上面的评论）;请看 Tim 的回答。

原始答案，但仍然有用且有趣： 有一个鲜为人知的选项可以将命名列表传递给函数，正是出于此目的。列表的名称应为所需的级别名称，元素应为应重命名的当前名称。有些人（包括 OP，参见 Ricardo 对 Tim 回答的评论）更喜欢这个，以便于阅读。levels

x <- c("Y", "Y", "Yes", "N", "No", "H", NA)
x <- factor(x)
levels(x) <- list("Yes"=c("Y", "Yes"), "No"=c("N", "No"))
x
## [1] Yes  Yes  Yes  No   No   <NA>  <NA>
## Levels: Yes No

如文档中所述;另请参阅此处的示例。levels

value：对于 'factor' 方法，一个 长度至少为数字的字符串向量 “x”的级别，或指定如何重命名的命名列表 级别。

这也可以在一行中完成，就像 Marek 在这里所做的那样：https://stackoverflow.com/a/10432263/210673;巫术在这里解释 https://stackoverflow.com/a/10491881/210673。levels<-

> `levels<-`(factor(x), list(Yes=c("Y", "Yes"), No=c("N", "No")))
[1] Yes  Yes  Yes  No   No   <NA>
Levels: Yes No

与 @Aaron 的方法类似，但稍微简单一点：

x <- c("Y", "Y", "Yes", "N", "No", "H")
x <- factor(x)
# levels(x)  
# [1] "H"   "N"   "No"  "Y"   "Yes"
# NB: the offending levels are 1, 2, & 4
levels(x)[c(1,2,4)] <- c(NA, "No", "Yes")
x
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

另一种方法是制作一个包含映射的表：

# stacking the list from Aaron's answer
fmap = stack(list(Yes = c("Y", "Yes"), No = c("N", "No")))

fmap$ind[ match(x, fmap$values) ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

# or...

library(data.table)
setDT(fmap)[x, on=.(values), ind ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

我更喜欢这种方式，因为它留下了一个易于检查的对象来总结地图;data.table 代码看起来就像该语法中的任何其他联接一样。

---

当然，如果你不想要一个像总结变化这样的对象，它可以是“单行”：fmap

library(data.table)
setDT(stack(list(Yes = c("Y", "Yes"), No = c("N", "No"))))[x, on=.(values), ind ]
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

由于问题的标题是清理因子水平（折叠多个水平/标签），为了完整起见，这里也应该提到包。 2016年8月出现在CRAN上。forcatsforcats

有几个方便的函数可用于清理因子水平：

x <- c("Y", "Y", "Yes", "N", "No", "H") 

library(forcats)

将因子水平折叠到手动定义的组中

fct_collapse(x, Yes = c("Y", "Yes"), No = c("N", "No"), NULL = "H")
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

手动更改因子水平

fct_recode(x, Yes = "Y", Yes = "Yes", No = "N", No = "No", NULL = "H")
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

自动重新标记因子水平，必要时折叠

fun <- function(z) {
  z[z == "Y"] <- "Yes"
  z[z == "N"] <- "No"
  z[!(z %in% c("Yes", "No"))] <- NA
  z
}
fct_relabel(factor(x), fun)
#[1] Yes  Yes  Yes  No   No   <NA>
#Levels: No Yes

请注意，它适用于因子水平，因此它需要因子作为第一个参数。另外两个函数 和 也接受一个字符向量，这是一个未记录的特征。fct_relabel()fct_collapse()fct_recode()

按首次出现对因子水平进行重新排序

OP 给出的预期输出为

[1] Yes  Yes  Yes  No   No   <NA>
Levels: Yes No

在这里，水平按其显示的方式排序，这与默认值不同 （：默认情况下，因子的水平是排序的）。x?factor

为了与预期的输出保持一致，这可以通过在折叠级别之前使用来实现：fct_inorder()

fct_collapse(fct_inorder(x), Yes = c("Y", "Yes"), No = c("N", "No"), NULL = "H")
fct_recode(fct_inorder(x), Yes = "Y", Yes = "Yes", No = "N", No = "No", NULL = "H")

现在，两者都以相同的顺序返回具有相同级别的预期输出。

您可以使用以下函数来组合/折叠多个因素：

combofactor <- function(pattern_vector,
         replacement_vector,
         data) {
 levels <- levels(data)
 for (i in 1:length(pattern_vector))
      levels[which(pattern_vector[i] == levels)] <-
        replacement_vector[i]
 levels(data) <- levels
  data
}

例：

初始化 x

x <- factor(c(rep("Y",20),rep("N",20),rep("y",20),
rep("yes",20),rep("Yes",20),rep("No",20)))

检查结构

str(x)
# Factor w/ 6 levels "N","No","y","Y",..: 4 4 4 4 4 4 4 4 4 4 ...

使用以下函数：

x_new <- combofactor(c("Y","N","y","yes"),c("Yes","No","Yes","Yes"),x)

重新检查结构：

str(x_new)
# Factor w/ 2 levels "No","Yes": 2 2 2 2 2 2 2 2 2 2 ...

首先，让我们注意，在这种特定情况下，我们可以使用部分匹配：

x <- c("Y", "Y", "Yes", "N", "No", "H")
y <- c("Yes","No")
x <- factor(y[pmatch(x,y,duplicates.ok = TRUE)])
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: No Yes

在更一般的情况下，我会选择：dplyr::recode

library(dplyr)
x <- c("Y", "Y", "Yes", "N", "No", "H")
y <- c(Y="Yes",N="No")
x <- recode(x,!!!y)
x <- factor(x,y)
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

如果起点是一个因素，则略有改变：

x <- factor(c("Y", "Y", "Yes", "N", "No", "H"))
y <- c(Y="Yes",N="No")
x <- recode_factor(x,!!!y)
x <- factor(x,y)
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

我添加这个答案是为了证明公认的答案在数据帧中的特定因子上起作用，因为这对我来说最初并不明显（尽管它可能应该是）。

levels(df$var1)
# "0" "1" "Z"
summary(df$var1)
#    0    1    Z 
# 7012 2507    8 
levels(df$var1) <- list("0"=c("Z", "0"), "1"=c("1"))
levels(df$var1)
# "0" "1"
summary(df$var1)
#    0    1 
# 7020 2507

从 R 3.5.0 （2018-04-23） 开始，您可以在一行清晰简单的行中执行此操作：

x = c("Y", "Y", "Yes", "N", "No", "H") # The 'H' should be treated as NA

tmp = factor(x, levels= c("Y", "Yes", "N", "No"), labels= c("Yes", "Yes", "No", "No"))
tmp
# [1] Yes  Yes  Yes  No   No   <NA>
# Levels: Yes No

1 行，将多个值映射到同一电平，为缺失电平设置 NA“ – h/t @Aaron