R分类变量为数字有序值

问题描述

我有一个很大的数据集，其中3个变量按照9个类别（例如“极差”至“极好”）进行编码。我需要将这些数字进行适当的分析。建议我使用as.numeric()，但是，这会随机将1-9分配给比例尺，而不是反映原始的比例尺顺序。例如，“公平”应该放在数字5的中间，但已被随机分配为2。

解决方法

您可以使用包含所有代码及其值的重新编码列表。然后，您可以将列应用于此列表以获取值：

recode_as = list("bad"=-1,"neutral"=0,"good"=1)

data = data.frame(6:10,"A"=c("good","good","neutral","bad","bad"),"B"=c("bad","neutral"),"C"=c("good","bad"))

data$A = unlist(recode_as[as.character(data$A)])
data$B = unlist(recode_as[as.character(data$B)])
data$C = unlist(recode_as[as.character(data$C)])

转换前的数据：

  X6.10       A       B    C
1     6    good     bad good
2     7    good    good good
3     8 neutral     bad good
4     9     bad    good good
5    10     bad neutral  bad

转换后的数据：

  X6.10  A  B  C
1     6  1 -1  1
2     7  1  1  1
3     8  0 -1  1
4     9 -1  1  1
5    10 -1  0 -1

,

以下是说明问题的示例，并提供了一种解决方案。

假设您的数据框中有一列是一个因素（item1）：

df <- data.frame(
  item1 = c("extremely bad","very good","very bad"),stringsAsFactors = TRUE
)

如果仅在列as.numeric上使用item1，则将具有：

as.numeric(df$item1)
[1] 2 3 1 5 1 4

这对应于您看似随机（但实际上是字母顺序）的因子水平：

levels(df$item1)
[1] "bad"           "extremely bad" "good"          "very bad"      "very good"

相反，您应该明确指定级别的顺序：

as.numeric(factor(df$item1,levels = c("extremely bad","very bad","extremely good")))
[1] 1 5 3 6 3 2

在这种情况下，“极差”按级别顺序排在第一位，因此被编码为1。