在R中修改分类变量指定类别时，如何避免其他值变为NA？

你之前的代码之所以会把其他分类值转为NA，是因为调用factor()时只指定了levels = 'Phone'——factor函数会严格按照你给定的levels列表处理，所有不在这个列表里的原始类别都会被强制转为缺失值（NA）。

下面是几种正确的解决方法，都能只把"Phone"改成"Mobile Phone"，同时保留其他类别：

方法1：直接修改因子的levels（基础R） #

这是最直接的方式，不需要额外包：

# 找到"Phone"对应的level位置，替换成"Mobile Phone"
levels(dataset2$PreferredLoginDevice)[levels(dataset2$PreferredLoginDevice) == "Phone"] <- "Mobile Phone"

方法2：使用dplyr的recode函数（tidyverse风格） #

如果你习惯用tidyverse工具链，dplyr的recode()函数更直观：

library(dplyr)
dataset2 <- dataset2 %>%
  mutate(PreferredLoginDevice = recode(PreferredLoginDevice, "Phone" = "Mobile Phone"))

方法3：用ifelse处理（兼容字符/因子类型） #

不管你的列是因子还是字符型，都可以用这个通用方法：

# 先转成字符处理，再转回因子（如果需要保持因子类型）
dataset2$PreferredLoginDevice <- factor(
  ifelse(dataset2$PreferredLoginDevice == "Phone", "Mobile Phone", as.character(dataset2$PreferredLoginDevice))
)

方法4：正确使用factor函数（保留所有原始levels） #

如果你一定要用factor()函数，需要保留所有原始levels，只修改目标label：

original_levels <- levels(dataset2$PreferredLoginDevice)
new_labels <- ifelse(original_levels == "Phone", "Mobile Phone", original_levels)

dataset2$PreferredLoginDevice <- factor(dataset2$PreferredLoginDevice,
                                        levels = original_levels,
                                        labels = new_labels)

内容的提问来源于stack exchange，提问作者justinng