R语言报错：level sets of factors are different 问题求助

问题场景 #

处理2020年NBA投篮数据做逻辑回归练习时，尝试通过以下代码新增一列判断投篮是否来自主场球队：

df$home.advntg <- df$Team == df$Home

持续报错：

Error in Ops.factor(df$Team, df$Home) : level sets of factors are different

数据背景 #

原数据集为1997-2020年NBA投篮位置数据，筛选2020年数据的代码如下：

df0 <- read_csv("NBA Shot Locations 1997 - 2020.csv")
df0$Year <- substr(df0$"Game Date",1,4)
df <- filter(df0, Year == 2020)
df <- df[,-23]

用str()检查列信息：

• str(df$Team)返回：Factor w/ 30 levels "ATL","BKN","BOS",..: 7 16 27 3 24 1 10 8 12 12 ...
• str(df$Home)返回：Factor w/ 30 levels "ATL","BKN","BOS",..: 7 20 27 5 28 1 10 8 1 12 ...

原数据集的Team和Home列均为36个因子水平，执行比较无报错。

关键概念解释：str()返回的数字含义 #

str()输出中，因子后面的数字是R对因子的内部编码：每个球队名称对应一个唯一数字（比如"ATL"对应1，"BKN"对应2，依此类推），后面的数字序列是该列每行数据对应的球队编码。

解决方案 #

方法1：转为字符型后比较（最直接） #

跳过因子水平限制，直接比较字符串内容：

df$home.advntg <- as.character(df$Team) == as.character(df$Home)

方法2：统一因子水平集（保留因子类型） #

提取两个列的所有唯一水平，重新设置因子水平后再比较：

# 获取所有唯一球队水平
all_teams <- union(levels(df$Team), levels(df$Home))
# 重新设置因子水平
df$Team <- factor(df$Team, levels = all_teams)
df$Home <- factor(df$Home, levels = all_teams)
# 执行比较
df$home.advntg <- df$Team == df$Home

方法3：读取数据时禁用自动转因子 #

如果后续分析不需要因子类型，读取数据时直接将Team和Home设为字符型：

df0 <- read_csv("NBA Shot Locations 1997 - 2020.csv", col_types = cols(Team = col_character(), Home = col_character()))

后续筛选后可直接执行比较操作。

内容的提问来源于stack exchange，提问作者Rachel B