R语言ifelse匹配分位数表返回因子水平而非数值问题如何解决

问题原因 #

你代码里索引的是height_quantiles的第1列（height_quantiles[1,1]的第二个下标1对应第1列），该列是因子类型的salary_type，转换为数值后自然返回1、2、3的因子水平编码，你需要取存储目标数值的第2列quant_80。

解决方法 #

方法1：直接修正原ifelse代码 #

把索引的列从第1列改为第2列即可，也可以直接按列名索引，避免列顺序变动出错：

# 按列位置索引
test$height_pred = as.numeric(ifelse(test$salary_type == "A", height_quantiles[1,2], ifelse(test$salary_type == "B", height_quantiles[2,2], height_quantiles[3,2])))

# 更稳妥的按列名索引
test$height_pred = as.numeric(ifelse(test$salary_type == "A", height_quantiles[height_quantiles$salary_type=="A","quant_80"], ifelse(test$salary_type == "B", height_quantiles[height_quantiles$salary_type=="B","quant_80"], height_quantiles[height_quantiles$salary_type=="C","quant_80"])))

方法2：更简洁的匹配合并写法 #

嵌套ifelse在分类维度较多时维护成本很高，推荐用匹配或者左连接的方式实现，代码更简洁易读：

# 方法2.1 向量匹配，无需额外加载包
test$height_pred <- height_quantiles$quant_80[match(test$salary_type, height_quantiles$salary_type)]

# 方法2.2 左连接，适合后续需要匹配多列值的场景
library(dplyr)
test <- test %>% 
  left_join(height_quantiles, by = "salary_type") %>% 
  rename(height_pred = quant_80)

以上两种方法都可以直接得到你需要的3.75、3.71、4.12对应的数值结果，不需要额外做类型转换。

内容的提问来源于stack exchange，提问作者stats_noob