为何R中ifelse语句会将因子转换为数值？附dplyr实操问题

原因 #

base::ifelse()函数会自动统一输出值的类型：当你把因子类型的cut作为分支返回值时，因子会被强制转换为其底层的整数编码（原cut因子中Fair对应1、Good对应2，以此类推）；而新字符串"Not Fair at All"是字符类型，最终整个cut.fix列会被转为字符类型，所以原因子的非Fair水平就显示成了整数数值。

解决方案 #

推荐两种实用的解决方式：

方法1：用dplyr::if_else()替代基础版ifelse() #

dplyr的if_else()会严格匹配分支返回值的类型，且能保留因子属性，需要先把新水平加入原因子的水平列表：

diamonds %>% 
  mutate(cut.fix = if_else(
    cut == "Fair",
    factor("Not Fair at All", levels = c("Not Fair at All", levels(cut)[-1])),
    cut
  )) %>% 
  select(cut.fix) %>% 
  table()

方法2：用forcats包的fct_recode()（更简洁） #

forcats是专门处理因子的工具包，fct_recode()可以直接修改因子水平，完全避免类型转换问题：

library(forcats)

diamonds %>% 
  mutate(cut.fix = fct_recode(cut, "Not Fair at All" = "Fair")) %>% 
  select(cut.fix) %>% 
  table()

执行后会得到正确的统计结果：

cut.fix
Not Fair at All      Good Very Good   Premium     Ideal 
           1610      4906     12082     13791     21551 

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