多因子变量水平重排问题：批量修正R语言数据框因子顺序

你遇到的NA问题，根源在于factor()是专门处理单个向量的函数，直接把它套在数据框的多列（本质是一个矩阵对象）上时，R没办法正确解析每一列的原有类别，自然就会输出一堆NA。下面给你两种靠谱的批量处理方法：

方法一：Base R 原生解决方案 #

用lapply()遍历你指定的列，对每一列单独应用factor()函数，这样就能保证每一列都被正确处理：

# 先定义要处理的列（可以用索引，也可以直接写列名，比如c("DIABETES_FAMILY", "COLUMN_NAME")）
target_cols <- 2:3

# 遍历列并重新指定因子水平
factored[, target_cols] <- lapply(factored[, target_cols], function(col) {
  factor(col, levels = c("Yes", "No", "Missing"))
})

方法二：用dplyr 简化代码（推荐） #

如果你习惯tidyverse的语法，用dplyr的across()会更简洁直观：

library(dplyr)

# 用across批量处理指定列，重新设置因子水平
factored <- factored %>%
  mutate(across(2:3, ~factor(., levels = c("Yes", "No", "Missing"))))

验证结果 #

处理完之后，可以用下面的命令确认是否成功：

# 查看某一列的因子水平
levels(factored[[2]])
# 查看数据框结构，确认列类型
str(factored)

这样处理后，你的目标列就会按照Yes→No→Missing的顺序排列因子水平，而且不会出现NA啦。

内容的提问来源于stack exchange，提问作者Anna O'Donnell