Условно изменяющиеся значения столбца отклика категориального опроса во фрейме данных

Question

пытается создать объект, который объединяет некоторые категории в переменную

background <- NULL

data$y11[data$y11 == "English/Welsh/Scottish/Northern Irish/British"] <-"White"

data$y11[data$y11 == "Gypsy or Irish Traveller"] <-"White"

data$y11[data$y11 == "Any other White background, please describe"] <-"White"

data$y11[data$y11 == "Irish"] <-"White"

data$y11[data$y11 == "Any other Mixed/Multiple ethnic background, please describe"] <-"Mixed"

data$y11[data$y11 == "White and Asian "] <-"Mixed"

data$y11[data$y11 == "White and Black African "] <-"Mixed"

data$y11[data$y11 == "White and Black Caribbean"] <-"Mixed"

data$y11[data$y11 == "Any other Asian background, please describe"] <-"Asian"

data$y11[data$y11 == "Bangladeshi"] <-"Asian"

data$y11[data$y11 == "Chinese"] <-"Asian"

data$y11[data$y11 == "Indian"] <-"Asian"

data$y11[data$y11 == "Pakistani"] <-"Asian"

data$y11[data$y11 == "Arab"] <-"Arab & Other"

data$y11[data$y11 == "Any other ethnic group, please describ"] <-"Arab & Other"

data$y11[data$y11 == "African"] <-"Black"

data$y11[data$y11 == "Any other Black/African/Caribbean background, please describe"] <-"Black"

data$y11[data$y11 == "Caribbean"] <-"Black"

, но я сохраняю предупреждающие сообщения о "недопустимом уровне фактора, сгенерированном NA"

pls, помогите!

Answer 1

Ваша основная проблема в том, что вы не использовали stringsAsFactors = FALSE при чтении ваших данных (вероятно, с read.csv).Поэтому вы должны добавить это к вызову read.csv.

Существует также лучший способ сделать то, что вы делаете.Один из подходов заключается в создании таблицы «поиска» или «перевода» из одной категории в другую, а затем с помощью merge из базы R или left_join из «tidyverse» для автоматической замены для вас, не имея всех этих условныхприсваивания.

Мы создадим таблицу перевода:

data.frame(
  answer = c(
    "African", "Any other Asian background, please describe",
    "Any other Black/African/Caribbean background, please describe",
    "Any other ethnic group, please describ",
    "Any other Mixed/Multiple ethnic background, please describe",
    "Any other White background, please describe", "Arab", "Bangladeshi",
    "Caribbean", "Chinese", "English/Welsh/Scottish/Northern Irish/British",
    "Gypsy or Irish Traveller", "Indian", "Irish", "Pakistani", "White and Asian ",
    "White and Black African ", "White and Black Caribbean"
  ),
  subst = c(
    "Black", "Asian", "Black", "Arab & Other", "Mixed", "White",
    "Arab & Other", "Asian", "Black", "Asian", "White", "White", "Asian",
    "White", "Asian", "Mixed", "Mixed", "Mixed"
  ),
  stringsAsFactors = FALSE
) -> trans_tbl

Теперь мы смоделируем некоторые данные (я использую dat против data в качестве имени переменной с момента использованияdata в конце концов вызовет у вас боль, так как это имя функции R):

set.seed(2018-11-30)
data.frame(
  y11 = sample(trans_tbl$answer, 100, replace = TRUE),
  stringsAsFactors = FALSE
) -> dat

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Caribbean" "Chinese" "Indian" "Any other Black/African/Caribbean background, please describe" ...

Ваш фрейм данных содержит более одного столбца, но вы его нам не показывали, поэтому я просто сделал одинфрейм данных столбцов с y11.Теперь мы просто вызываем merge:

dat <- merge(dat, trans_tbl, by.x="y11", by.y="answer", all.x=TRUE)

str(dat)
## 'data.frame':    100 obs. of  2 variables:
##  $ y11  : chr  "African" "African" "African" "African" ...
##  $ subst: chr  "Black" "Black" "Black" "Black" ...

и затем выполняем некоторые основные операции, чтобы преобразовать столбец subst в y11, как это делает ваш код:

dat$y11 <- dat$subst
dat$subst <- NULL

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Black" "Black" "Black" "Black" ...

Мы также можем использовать dplyr из «tidyverse»:

library(tidyverse)

set.seed(2018-11-30)
data_frame( # this is the `data_frame()` function from dplyr, NOT `data.frame()` from base R
  y11 = sample(trans_tbl$answer, 100, replace = TRUE)
) -> dat

left_join(dat, trans_tbl, by = c("y11"="answer")) %>%
  select(y11 = subst)
## # A tibble: 100 x 1
##    y11         
##    <chr>       
##  1 Black       
##  2 Asian       
##  3 Asian       
##  4 Black       
##  5 Asian       
##  6 Mixed       
##  7 Arab & Other
##  8 Asian       
##  9 Arab & Other
## 10 Asian       
## # ... with 90 more rows

Другой метод заключается в использовании факторных операций.

Мы будем использовать тот же код для создания симулированного фрейма данных:

possible_answers <- c(
  "African", "Any other Asian background, please describe",
  "Any other Black/African/Caribbean background, please describe",
  "Any other ethnic group, please describ",
  "Any other Mixed/Multiple ethnic background, please describe",
  "Any other White background, please describe", "Arab", "Bangladeshi",
  "Caribbean", "Chinese", "English/Welsh/Scottish/Northern Irish/British",
  "Gypsy or Irish Traveller", "Indian", "Irish", "Pakistani", "White and Asian ",
  "White and Black African ", "White and Black Caribbean"
)

what_they_should_be <- c(
  "Black", "Asian", "Black", "Arab & Other", "Mixed", "White",
  "Arab & Other", "Asian", "Black", "Asian", "White", "White", "Asian",
  "White", "Asian", "Mixed", "Mixed", "Mixed"
)

set.seed(2018-11-30)
data.frame(
  y11 = sample(possible_answers, 100, replace = TRUE)
) -> dat

Обратите внимание, что я не использовал stringsAsFactors = FALSE для этого, что делает его более похожим на то, что у вас уже есть в вашем сеансе R.

Теперь мы можемdo:

dat$y11 <- as.character(factor(
  x = dat$y11,
  levels = possible_answers,
  labels = what_they_should_be
))

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Black" "Asian" "Asian" "Black" ...

И мы получаем переведенные значения как символьный вектор, а не как фактор.

Answer 2

Это означает, что ваши переменные являются факторами.Вы можете обойти это одним из двух способов:

1. Изменить все факторы на символы, используя:

   data$y11 <- as.character(data$y11)

2. Добавьте новый требуемый уровень к существующим уровням факторов, используя:

   levels(data$y11) <- c(levels(data$y11), "White", "Black", ...)

Дайте мне знать, если это не имеет смысла

Кроме того, на всякий случай, если вы новичок в R, вам не нужно так разводить все строки.Вы можете объединить группы рас, что-то вроде этого:

 data$y11[data$y11 %in% c("English/Welsh/Scottish/Northern Irish/British",
                          "Gypsy or Irish Traveller",
                          "Any other White background, please describe",
                          "Irish")] <-"White"

 data$y11[data$y11 %in% c("Any other Mixed/Multiple ethnic background, please describe",
                          "White and Asian ",
                          "White and Black African ",
                          "White and Black Caribbean")] <-"Mixed"

 data$y11[data$y11 %in% c("Any other Asian background, please describe",
                          "Bangladeshi",
                          "Chinese",
                          "Indian",
                          "Pakistani")] <-"Asian"

 data$y11[data$y11 %in% c("Arab",
                          "Any other ethnic group, please describ")] <-"Arab & Other"

 data$y11[data$y11 %in% c("African",
                          "Any other Black/African/Caribbean background, please describe",
                          "Caribbean"] <-"Black"

Или есть много других способов, таких как использование оператора | (или), поэтому вам не нужно писать каждую строкув индивидуальном порядке.