サブセット化されたデータフレームのドロップファクターレベル

を含むデータフレームがありfactorます。subsetまたは別のインデックス関数を使用してこのデータフレームのサブセットを作成すると、新しいデータフレームが作成されます。ただし、factor変数が新しいデータフレームに存在しない場合でも、変数は元のレベルをすべて保持します。

これにより、ファセットプロットを実行するとき、または因子レベルに依存する関数を使用するときに問題が発生します。

新しいデータフレームの要素からレベルを削除する最も簡単な方法は何ですか？

次に例を示します。

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"

あなたがしなければならないのは、サブセット化した後でfactor（）を変数に適用することだけです：

> 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

編集

要因ページの例から：

factor(ff)      # drops the levels that do not occur

データフレームのすべての因子列からレベルを削除するには、以下を使用できます。

subdf <- subset(df, numbers <= 3)
subdf[] <- lapply(subdf, function(x) if(is.factor(x)) factor(x) else x)

Rバージョン2.12以降、droplevels()関数があります。

levels(droplevels(subdf$letters))

この動作を望まない場合は、係数を使用せず、代わりに文字ベクトルを使用してください。これは、後でパッチを適用するよりも理にかなっていると思います。read.tableまたはでデータをロードする前に、次のことを試してくださいread.csv。

options(stringsAsFactors = FALSE)

欠点は、アルファベット順に制限されていることです。（再注文はプロットの友です）

これは既知の問題であり、1つの考えられる解決策はdrop.levels()、gdataパッケージで提供されています。

> drop.levels(subdf)
  letters numbers
1       a       1
2       b       2
3       c       3
> levels(drop.levels(subdf)$letters)
[1] "a" "b" "c"

HmiscパッケージにもdropUnusedLevels関数があります。ただし、サブセット演算子を変更することによってのみ機能し、ここでは適用されません。[

結果として、列ごとの直接的なアプローチは単純as.factor(as.character(data))です。

> levels(subdf$letters)
[1] "a" "b" "c" "d" "e"
> subdf$letters <- as.factor(as.character(subdf$letters))
> levels(subdf$letters)
[1] "a" "b" "c"

同じことをする別の方法 dplyr

library(dplyr)
subdf <- df %>% filter(numbers <= 3) %>% droplevels()
str(subdf)

編集：

また働きます！おかげagenis

subdf <- df %>% filter(numbers <= 3) %>% droplevels
levels(subdf$letters)

完全を期すためfct_dropに、forcatsパッケージhttp://forcats.tidyverse.org/reference/fct_drop.htmlにも含まれています。

droplevels処理方法が異なりますNA。

f <- factor(c("a", "b", NA), exclude = NULL)

droplevels(f)
# [1] a    b    <NA>
# Levels: a b <NA>

forcats::fct_drop(f)
# [1] a    b    <NA>
# Levels: a b

これが別の方法です。これはfactor(..)アプローチと同等であると私は考えています。

> df <- data.frame(let=letters[1:5], num=1:5)
> subdf <- df[df$num <= 3, ]

> subdf$let <- subdf$let[ , drop=TRUE]

> levels(subdf$let)
[1] "a" "b" "c"

これは不愉快です。これは、他のパッケージのロードを回避するために、私が通常行う方法です。

levels(subdf$letters)<-c("a","b","c",NA,NA)

あなたを得る：

> subdf$letters
[1] a b c
Levels: a b c

新しいレベルは、古いレベル（subdf $ letters）のインデックスを占めるものを置き換えるため、次のようになります。

levels(subdf$letters)<-c(NA,"a","c",NA,"b")

動作しません。

多くのレベルがある場合、これは明らかに理想的ではありませんが、いくつかのレベルでは、すばやく簡単です。

見てみるとdroplevelsメソッドのRソースのコードあなたが見ることができるそれがラップfactor機能。つまり、基本的にはfactor関数を使用して列を再作成できます。
data.tableの下で、すべての因子列からレベルをドロップします。

library(data.table)
dt = data.table(letters=factor(letters[1:5]), numbers=seq(1:5))
levels(dt$letters)
#[1] "a" "b" "c" "d" "e"
subdt = dt[numbers <= 3]
levels(subdt$letters)
#[1] "a" "b" "c" "d" "e"

upd.cols = sapply(subdt, is.factor)
subdt[, names(subdt)[upd.cols] := lapply(.SD, factor), .SDcols = upd.cols]
levels(subdt$letters)
#[1] "a" "b" "c"

ここにそれを行う方法があります

varFactor <- factor(letters[1:15])
varFactor <- varFactor[1:5]
varFactor <- varFactor[drop=T]

これを行うためのユーティリティ関数を作成しました。gdataのdrop.levelsについて知ったので、非常によく似ています。ここにあります（ここから）：

present_levels <- function(x) intersect(levels(x), x)

trim_levels <- function(...) UseMethod("trim_levels")

trim_levels.factor <- function(x)  factor(x, levels=present_levels(x))

trim_levels.data.frame <- function(x) {
  for (n in names(x))
    if (is.factor(x[,n]))
      x[,n] = trim_levels(x[,n])
  x
}

非常に興味深いスレッドです。特に、サブセレクションを再び因数分解するというアイデアが特に気に入りました。以前にも同様の問題があり、性格に変換してからファクターに戻りました。

   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))

RevoScaleRのrxDataStepを使用すると、残念ながらfactor（）が機能しないようです。私は2つのステップでそれを行います：1）文字に変換し、一時的な外部データフレーム（.xdf）に保存します。2）係数に変換し直して、外部データフレームに保存します。これにより、すべてのデータをメモリにロードすることなく、未使用の因子レベルが排除されます。

# Step 1) Converts to character, in temporary xdf file:
rxDataStep(inData = "input.xdf", outFile = "temp.xdf", transforms = list(VAR_X = as.character(VAR_X)), overwrite = T)
# Step 2) Converts back to factor:
rxDataStep(inData = "temp.xdf", outFile = "output.xdf", transforms = list(VAR_X = as.factor(VAR_X)), overwrite = T)

私の場合、すべてではないにしても、ほとんどの例をここで試しましたが、どれもうまくいっていないようです。しばらく苦労した後、factor列でas.character（）を使用して、うまく機能しているように見える文字列を含むcolに変更してみました。

パフォーマンスの問題については不明です。