R语言基于字符值生成分类列失败，求解决方法

问题背景 #

• DataFrame的full_name列存储两支球队的组合字符串，示例值：
  • Man U to win Liverpool to win
  • Liverpool to win Man U to win
  • Chelsea to win Arsenal to win
• 需求：将前两种组合标记为North，第三种标记为South
• 尝试修改因子水平的代码无报错，但DataFrame未产生预期变化

问题原因 #

你尝试修改levels的方式无效，核心原因是**full_name列大概率是字符型而非因子类型**，字符型列没有levels属性，因此修改levels不会作用于原数据。

解决方案 #

方案1：针对字符型列（最常见场景）

通过字符串匹配直接生成新的标记列，以下两种方法任选：

基础R实现

# 新增region列，根据字符串匹配标记分组
raw_data$region <- ifelse(
  # 同时包含Man U和Liverpool的组合标记为North
  grepl("Man U to win", raw_data$full_name) & grepl("Liverpool to win", raw_data$full_name),
  "North",
  # 同时包含Chelsea和Arsenal的组合标记为South
  ifelse(grepl("Chelsea to win", raw_data$full_name) & grepl("Arsenal to win", raw_data$full_name),
         "South",
         NA) # 其他未匹配情况标记为NA，可按需调整
)

dplyr包实现（更简洁的tidy风格）

library(dplyr)

raw_data <- raw_data %>%
  mutate(region = case_when(
    grepl("Man U to win", full_name) & grepl("Liverpool to win", full_name) ~ "North",
    grepl("Chelsea to win", full_name) & grepl("Arsenal to win", full_name) ~ "South",
    TRUE ~ NA_character_ # 未匹配场景默认NA
  ))

方案2：若full_name为因子类型

如果该列确实是因子，可先转换为字符型再处理，或直接重新指定因子水平：

# 方法1：转字符型后用方案1处理
raw_data$full_name <- as.character(raw_data$full_name)

# 方法2：直接重设因子水平与标签
raw_data$full_name <- factor(
  raw_data$full_name,
  levels = c("Man U to win Liverpool to win", "Liverpool to win Man U to win", "Chelsea to win Arsenal to win"),
  labels = c("North", "North", "South")
)

内容的提问来源于stack exchange，提问作者abc_95