使用factor()转换字符变量为因子时出现NA的问题排查与解决

问题场景与现象 #

处理一个包含123条观测、7个变量的数据集df，其中PFG为字符变量，计划将其转为可自定义排序的因子变量：

• 先执行df$PFG <- as.factor(df$PFG)，此时PFG是包含12个水平的因子，summary(df$PFG)显示所有水平均有对应数据
• 接着执行自定义水平的因子转换：

  df$PFG <- factor(df$PFG, levels = c("leaf.litter","bare.ground","Tdr", "Tda", "Fp","ATl", "ATe","ATw","ARp","ARf","Sk","Sr"))
  

  结果异常：PFG变为13个水平，出现NA值，且有4个水平的统计量为0。反复核对水平名称拼写，未发现错误。

排查与解决 #

最终定位问题：部分PFG的字符值存在隐藏空格（例如"ATe "末尾有空格），导致指定水平时无法匹配，被识别为新水平或转为NA。

通过以下代码移除所有空格：

df$PFG <- gsub(" ", "", df$PFG, fixed = TRUE)

重新运行自定义水平的factor()转换后，因子水平恢复为指定的12个，NA值消失，各水平数据量正常。

内容的提问来源于stack exchange，提问作者ayesha