数据分析中如何用case_when转因子并保持顺序，无需重复指定levels？

嗨，这个需求我太懂了——每次手动重复写levels真的很繁琐，其实用forcats包的fct_inorder()函数就能完美解决，完全不用重复指定等级顺序！我给你演示具体用法：

首先补全你的示例代码，然后用两种方式实现，重点推荐第一种：

方法1：用fct_inorder()自动继承case_when的判断顺序 #

library(dplyr, warn.conflicts = FALSE)
library(forcats) # 它是tidyverse的一部分，加载起来很方便

set.seed(1234)
score <- runif(100, min = 0, max = 100)

# 生成数据框并编码等级
df <- tibble(score) %>%
  mutate(
    # 先按case_when的逻辑生成字符型等级
    grade = case_when(
      score >= 90 ~ "Excellent",
      score >= 70 ~ "Good",
      TRUE ~ "Fail"
    ),
    # 用fct_inorder转成因子，自动按首次出现的顺序设为水平
    grade = fct_inorder(grade)
  )

# 验证因子水平是否符合预期
levels(df$grade)
#> [1] "Excellent" "Good"      "Fail"

为什么这个方法有效？ #

case_when是从上到下依次判断的，所以"Excellent"会比"Good"先出现在grade向量里，"Good"又比"Fail"早出现。而fct_inorder()的作用就是按照向量中元素首次出现的顺序来设置因子水平，刚好和你想要的等级顺序完全匹配，全程不用手动写levels参数！

方法2：不加载forcats的base R替代方案 #

如果你不想额外加载包，也可以用base R的factor()结合unique()，不过要确保数据中每个等级至少出现一次（否则unique()会漏掉未出现的等级）：

df <- tibble(score) %>%
  mutate(
    grade = case_when(
      score >= 90 ~ "Excellent",
      score >= 70 ~ "Good",
      TRUE ~ "Fail"
    ),
    grade = factor(grade, levels = unique(grade))
  )

总结下来，fct_inorder()是最简洁且可靠的方案，完全省去重复写levels的麻烦！

内容的提问来源于stack exchange，提问作者user5068121