如何为R语言分类数据分配因子水平且不丢失现有数据

问题场景 #

现有数据集如下：

BF Condition              SampleID
1 Partially Formula Fed   VD25FE8997
2 Exclusively Breast Fed  VD25FE8986
3 Exclusively Breast Fed  VD25FE8974
4 Exclusively Breast Fed  VD25FE8960
5 Exclusively Formula Fed VD25FE8951

需要为BFCondition列设置三个因子水平：Exclusively Breast Fed、Partially Breast Fed、Exclusively Formula Fed，但当前查看该列levels()时返回NULL。尝试以下代码后，环境中的数据被清除：

# Convert 'category' to factor if it's not already
VitDSI_Data$BFCondition <- factor(VitDSI_Data$BFCondition)

# Add new levels to the 'category' factor
levelsToAdd <- c("Exclusively Breast Fed", "Partially Breast Fed", "Exclusively Formula Fed")
VitDSI_Data$BFCondition <- factor(VitDSI_Data$BFCondition, levels = c(levels(VitDSI_Data$BFCondition), levelsToAdd))

期望得到如下输出（节选）：

##  [1] Exclusively Breast Fed      Exclusively Formula Fed      Partially Formula Fed
   
## Levels: Exclusively Breast Fed      Exclusively Formula Fed      Partially Formula Fed

疑问：是否因水平名称过长导致该问题？

解决方案 #

问题根源 #

和水平名称长度无关——R对因子水平的字符长度没有限制。你的代码逻辑有误：第二次调用factor()时，将原有水平（第一次转换后生成的3个水平：Partially Formula Fed、Exclusively Breast Fed、Exclusively Formula Fed）与新增的3个水平直接合并，导致水平重复，原有数据的取值无法匹配新的水平集合，从而被转换为NA，看起来像是“数据被清除”。

另外注意：你需求中的Partially Breast Fed和数据中的Partially Formula Fed名称不一致，需先确认是否是输入笔误。

正确代码实现 #

情况1：保留数据中的Partially Formula Fed，设置对应水平

直接在转换因子时指定所有需要的水平，无需分两次操作：

# 直接转换为因子并指定目标水平
VitDSI_Data$BFCondition <- factor(VitDSI_Data$BFCondition,
                                  levels = c("Exclusively Breast Fed",
                                             "Exclusively Formula Fed",
                                             "Partially Formula Fed"))

情况2：修正数据标签为Partially Breast Fed后设置水平

如果确实需要将Partially Formula Fed改为Partially Breast Fed，先修正数据再转换因子：

# 修正数据中的标签
VitDSI_Data$BFCondition[VitDSI_Data$BFCondition == "Partially Formula Fed"] <- "Partially Breast Fed"

# 转换为因子并指定目标水平
VitDSI_Data$BFCondition <- factor(VitDSI_Data$BFCondition,
                                  levels = c("Exclusively Breast Fed",
                                             "Partially Breast Fed",
                                             "Exclusively Formula Fed"))

执行上述代码后，查看VitDSI_Data$BFCondition即可得到符合要求的因子水平。

内容的提问来源于stack exchange，提问作者mistletoestars