R语言如何基于另一数据框同名字段水平创建factor变量

实现思路 #

通过匹配两个数据框共有的因子列，批量为子表的对应列指定主表的因子水平，无需手动逐个定义变量。

完整可运行代码 #

# 构造示例数据
main_df <- data.frame(id=c(1, 2, 3, 4, 5), age=c(10, 20, 30, 40, 45), gender=c("F","F","M","M","F"), city=c("A","B","C","D","D"))
addl_df <- data.frame(id=c(7,8), age=c( 40, 45), gender=c("F","F"), city=c("C","D"))

# 1. 先将主表的所有字符型列转换为因子
main_df[sapply(main_df, is.character)] <- lapply(main_df[sapply(main_df, is.character)], as.factor) 

# 2. 提取两个表共有的、主表中为因子类型的列名
common_cols <- intersect(names(Filter(is.factor, main_df)), colnames(addl_df))

# 3. 批量转换子表的对应列，因子水平完全对齐主表
addl_df[common_cols] <- lapply(common_cols, function(col_name) {
  factor(addl_df[[col_name]], levels = levels(main_df[[col_name]]))
})

结果验证 #

执行代码后查看子表的city列属性：

> levels(addl_df$city)
[1] "A" "B" "C" "D"
> as.numeric(addl_df$city)
[1] 3 4

完全符合需求：水平和主表一致，因子对应的数值映射也和主表完全相同。

内容的提问来源于stack exchange，提问作者Ketty