R语言中将数据框两列转换为带关联分组水平的因子的实现问题

问题原因 #

你之前使用factor(df$phenotype, levels = unique(df$group))出现大量NA的核心原因是：factor()的levels参数需要传入的是目标列（也就是phenotype列）中实际存在的取值，你传入的是group列的group1、group2，和phenotype列的pheno1、pheno2等值完全不匹配，所有值都找不到对应level就会被转为NA。
而fct_collapse会将多个原始水平合并为同一个新水平，会直接修改phenotype列的原始取值，自然不符合你保留原有pheno值的需求。

解决方案 #

你的核心需求是让phenotype列的因子水平按group分组排列（同一group的phenotype水平连续排列），满足绘图时的分组展示要求，可选择以下两种实现方式：

基础R实现

先按group列排序后提取去重的phenotype值作为因子水平：

# 按group排序后取唯一phenotype值作为水平顺序
sorted_levels <- unique(df[order(df$group), ]$phenotype)
df$phenotype <- factor(df$phenotype, levels = sorted_levels)

处理后输出的phenotype列效果如下：

[1] pheno1 pheno1 pheno1 pheno2 pheno2 pheno3 pheno3 pheno4 pheno4 pheno4
Levels: pheno1 pheno2 pheno3 pheno4

同一group下的phenotype水平会连续排列，完全满足绘图时的分组排序需求。

forcats包实现（更简洁）

使用forcats包的fct_reorder()函数按group列重排因子水平：

library(forcats)
df$phenotype <- fct_reorder(df$phenotype, df$group, .fun = first)

效果和基础R实现完全一致。

补充说明 #

R中因子的打印值本质是对应水平的名称，所以不可能出现「打印值为pheno1、pheno2，水平却为group1、group2」的情况，你贴出的预期输出应该是笔误。如果需要在绘图时展示group分组标签，可以在绘图函数中额外映射group列，或使用嵌套轴函数实现分组标注。

内容的提问来源于stack exchange，提问作者Sabor117