如何在创建factor时为未声明的非NA值分配默认层级与标签？

我之前用Stata，现在正在熟悉R的factor类型。想在指定factor的levels和labels时，把所有未声明的非NA值自动分配到一个默认层级/标签，同时保留原NA值不变。

现有示例代码：

library(dplyr)
dt <- as.data.frame(mtcars)  # 加载示例数据
dt$carb[4:6] <- NA           # 手动设置几个NA值

dt <- dt %>%
  mutate(
    carb_f = factor(carb,
                    levels = c(1,2,3,4), 
                    labels = c("One","Two","Three","Four")
                    )
  )

table(dt$carb, dt$carb_f, exclude=NULL)

现有运行结果：

One Two Three Four <NA>
  1      5   0     0    0    0
  2      0   9     0    0    0
  3      0   0     3    0    0
  4      0   0     0   10    0
  6      0   0     0    0    1
  8      0   0     0    0    1
  <NA>   0   0     0    0    3

可以看到未声明的6和8被转为NA，但我希望把这类未声明的非NA值归到默认层级（比如标签"Unk"），得到如下结果：

One Two Three Four Unk <NA>
  1      5   0     0    0   0    0
  2      0   9     0    0   0    0
  3      0   0     3    0   0    0
  4      0   0     0   10   0    0
  6      0   0     0    0   1    0
  8      0   0     0    0   1    0
  <NA>   0   0     0    0   0    3

不需要显式引用6和8这类未声明值，实现方法如下：

方法1：用dplyr的case_when预处理后转factor #

先通过case_when把所有不在指定levels里的非NA值统一标记，再转为factor并指定labels：

library(dplyr)
dt <- as.data.frame(mtcars)
dt$carb[4:6] <- NA

dt <- dt %>%
  mutate(
    carb_f = factor(
      case_when(
        carb %in% c(1,2,3,4) ~ as.character(carb),
        !is.na(carb) ~ "Unk",  # 非NA且不在指定列表的归为Unk
        TRUE ~ NA_character_   # 保留原NA
      ),
      levels = c("1","2","3","4","Unk"),
      labels = c("One","Two","Three","Four","Unk")
    )
  )

table(dt$carb, dt$carb_f, exclude=NULL)

运行后即可得到期望结果，无需知晓具体未声明值。

方法2：用forcats包的fct_other（更简洁） #

forcats是tidyverse专门处理因子的工具包，fct_other可直接将除指定levels外的非NA值归为默认组：

library(dplyr)
library(forcats)
dt <- as.data.frame(mtcars)
dt$carb[4:6] <- NA

dt <- dt %>%
  mutate(
    carb_f = carb %>%
      factor(levels = c(1,2,3,4), labels = c("One","Two","Three","Four")) %>%
      fct_other(other_level = "Unk")  # 将非指定levels的非NA值转为Unk
  )

table(dt$carb, dt$carb_f, exclude=NULL)

这个方法自动保留原NA值，仅把非NA的未声明值归到指定默认标签，完全不需要显式引用未声明的具体数值。

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