R语言中如何将因子值替换为下一个更高的因子水平

需求说明 #

需将因子的每个取值替换为按数值排序后高一级的因子水平，其中最大的因子水平统一替换为NA。

初始示例数据 #

set.seed(1)
have <- sample(1:20, 10, TRUE)
have
#  [1]  4  7  1  2 11 14 18 19  1 10

预期输出结果：

# [1] 7    10   2    4    14   18   19   <NA> 2    11

基础实现方案 #

可直接通过修改因子水平的映射关系实现：

want <- factor(have)
levels(want) <- c(levels(want)[-1], NA)
want
# [1] 7    10   2    4    14   18   19   <NA> 2    11  
# Levels: 2 4 7 10 11 14 18 19

其他可选实现函数 #

函数代码 #

# 查找表映射实现
func_lookup <- function(x){
  lu <- sort(unique(x))
  lu <- "[<-"(NA, lu, c(lu[-1], NA))
  lu[x]
}

# dplyr工具实现
func_dplyr <- function(x){
  levels(x) <- dplyr::lead(levels(x))
  x
}

# 基础R通用实现
func_base <- function(x){
  vals <- sort(unique(x))
  vals[match(x, vals) + 1]
}

适配性测试 #

测试用例构造：

set.seed(1)
# 普通数值向量
have <- c(4, 6, 6, 7)
# 对应因子对象
have_f <- factor(have)

因子对象入参测试结果

have_f
# [1] 4 6 6 7
# Levels: 4 6 7

func_lookup(have_f)
# [1]  2  3  3 NA

func_dplyr(have_f)
# [1] 6    7    7    <NA>
# Levels: 6 7

func_base(have_f)
# [1] 6    7    7    <NA>
# Levels: 4 6 7

普通数值向量入参测试结果

func_lookup(have)
# [1]  6  7  7 NA

# func_dplyr(have)  仅支持因子入参，处理普通向量会报错

func_base(have)
# [1]  6  7  7 NA

适用范围总结 #

• func_lookup：仅适配普通数值向量；传入因子时会因因子底层整数编码的特性，出现取值映射错误
• func_dplyr：仅适配因子对象，不支持普通向量入参
• func_base：同时兼容因子、普通向量两类入参，通用性最强

内容的提问来源于stack exchange，提问作者A.Fischer