一个因子的重复数据删除

2023年1月17日 210次阅读

假设我有这个对象,它是无效因子的dput()形式(例如,打印它会抱怨重复级别3)：

x <- structure(c(1L, 2L, 3L, 4L), .Label = c("A", "B", "A", "C"),
               class = "factor")

什么是最好的方法,只使用基数R,将其转换为有效因子

structure(c(1L, 2L, 1L, 3L), .Label = c("A", "B", "C"), class = "factor")

我设法想出来了

factor(levels(x)[x])

但是我不确定这会在没有警告的情况下继续工作,并且它可能效率也很低(我试图修复的真正因素对象是巨大的).

最佳答案 你的方法似乎很好,效率很高.为了实验,我创建了一个函数来制作这样的畸形因素：

bad.factor <- function(nums,labs){
  structure(nums, .Label = labs, class = "factor")}

如果您使用：

x <- bad.factor(1:1000000,gtools::chr(runif(1000000,65,90)))

然后运行：

microbenchmark::microbenchmark(factor(levels(x)[x]))

典型输出是：

 Unit: milliseconds
                 expr      min       lq     mean   median       uq      max neval
 factor(levels(x)[x]) 27.72593 32.98346 42.97813 34.11871 35.70919 105.3564   100
点赞