如何让数据框中多描述列生成单个因子水平而非组合水平？

方法一：用tidyverse简洁处理（推荐） #

借助separate_rows()函数直接拆分每行的多描述符，转成单个词的因子：

library(tidyverse)

# 原数据
data <- data.frame(
  type = c("sticky, warm", "ugly, matte", "warm, glittery", "ugly, glittery")
)

# 拆分并转为因子
data_clean <- data %>%
  separate_rows(type, sep = ", ") %>%
  mutate(type = factor(type))

# 查看结果
data_clean$type

运行后因子水平为：

Levels: glittery matte sticky ugly warm

方法二：Base R原生实现 #

不用额外包的话，拆分字符串后重构数据再转因子：

# 原数据
data <- data.frame(
  type = c("sticky, warm", "ugly, matte", "warm, glittery", "ugly, glittery")
)

# 拆分字符串为列表，再转成单个词的向量
type_words <- unlist(strsplit(data$type, ", "))

# 构建新数据框并转因子
data_clean <- data.frame(type = factor(type_words))

# 查看结果
data_clean$type

为什么你之前的方法没用？ #

直接对strsplit()得到的列表用factor()，会把整个列表元素（比如"sticky, warm"拆分后的向量）当成单个因子水平，而不是提取里面的单个词。必须先把列表拆成单个元素的向量，再转换因子。

内容的提问来源于stack exchange，提问作者Fortanow