R语言使用fct_collapse重编码NA为missing/9999失效问题咨询

fct_collapse() 仅对因子/字符向量中的显式取值做折叠匹配，NA是R中的特殊缺失值标记，不属于变量的显式水平，直接在分组参数中写missing = NA无法被识别，因此NA值不会被归入missing分组。
另外使用== 9999这类等值判断写法对NA无效，R中判断缺失值必须使用is.na()函数，这是多数公开的重编码方法失效的常见原因。

方法1：一步完成分组+NA归组（推荐） #

先调用fct_na_value_to_level()将NA转换为显式的因子水平，再传入fct_collapse()做折叠，不需要额外写替换逻辑：

library(forcats)

data_for_model$imd_grp <- fct_collapse(
  # 先把NA转为显式水平，要编码为9999就把level参数改为"9999"
  fct_na_value_to_level(data_for_model$imd, level = "missing"),
  most_deprived = c("1","2", "3"),
  middle = c("4","5", "6"),
  least_deprived = c("7","8", "9", "10")
)

方法2：先折叠非NA值，再单独替换NA #

如果不想嵌套函数，可以先完成有效值的分组，再单独对NA做赋值：

# 先完成1-10取值的分组
data_for_model$imd_grp <- fct_collapse(
  data_for_model$imd,
  most_deprived = c("1","2", "3"),
  middle = c("4","5", "6"),
  least_deprived = c("7","8", "9", "10")
)

# 将NA值归入missing分组
data_for_model$imd_grp[is.na(data_for_model$imd)] <- "missing"
# 如果要编码为9999，把上一行右侧的"missing"替换为"9999"即可

• 从分组取值写法看，imd变量的1-10是字符型存储，因此赋值missing/9999时要加引号，避免类型不匹配导致因子水平异常。
• 所有涉及NA值的判断逻辑，必须使用is.na()，禁止用== NA的写法，该写法返回的结果全为NA，无法完成正确匹配。

内容的提问来源于stack exchange，提问作者db2020