R 在数据框中有条件地更改分类调查响应列的值

尝试创建将某些类别合并到变量中的对象

background <- NULL

data$y11[data$y11 == "English/Welsh/Scottish/Northern Irish/British"] <-"White"

data$y11[data$y11 == "Gypsy or Irish Traveller"] <-"White"

data$y11[data$y11 == "Any other White background, please describe"] <-"White"

data$y11[data$y11 == "Irish"] <-"White"

data$y11[data$y11 == "Any other Mixed/Multiple ethnic background, please describe"] <-"Mixed"

data$y11[data$y11 == "White and Asian "] <-"Mixed"

data$y11[data$y11 == "White and Black African "] <-"Mixed"

data$y11[data$y11 == "White and Black Caribbean"] <-"Mixed"

data$y11[data$y11 == "Any other Asian background, please describe"] <-"Asian"

data$y11[data$y11 == "Bangladeshi"] <-"Asian"

data$y11[data$y11 == "Chinese"] <-"Asian"

data$y11[data$y11 == "Indian"] <-"Asian"

data$y11[data$y11 == "Pakistani"] <-"Asian"

data$y11[data$y11 == "Arab"] <-"Arab & Other"

data$y11[data$y11 == "Any other ethnic group, please describ"] <-"Arab & Other"

data$y11[data$y11 == "African"] <-"Black"

data$y11[data$y11 == "Any other Black/African/Caribbean background, please describe"] <-"Black"

data$y11[data$y11 == "Caribbean"] <-"Black"

---

background这意味着您的变量就是因素。您可以通过以下两种方式之一解决此问题：

使用以下命令将所有因子更改为字符：

data$y11您的主要问题是在读取数据时没有使用
stringsAsFactors=FALSE
（可能使用
read.csv
）。因此，您应该将其添加到
read.csv
调用中

还有一个更好的方法来做你正在做的事情。一种方法是创建一个从一个类别到另一个类别的“查找”或“翻译”表，然后从基本R使用
merge
，或从“tidyverse”使用
left\u join
，自动为您进行替换，而无需所有这些条件赋值

我们将制作翻译表：

data.frame(
  answer = c(
    "African", "Any other Asian background, please describe",
    "Any other Black/African/Caribbean background, please describe",
    "Any other ethnic group, please describ",
    "Any other Mixed/Multiple ethnic background, please describe",
    "Any other White background, please describe", "Arab", "Bangladeshi",
    "Caribbean", "Chinese", "English/Welsh/Scottish/Northern Irish/British",
    "Gypsy or Irish Traveller", "Indian", "Irish", "Pakistani", "White and Asian ",
    "White and Black African ", "White and Black Caribbean"
  ),
  subst = c(
    "Black", "Asian", "Black", "Arab & Other", "Mixed", "White",
    "Arab & Other", "Asian", "Black", "Asian", "White", "White", "Asian",
    "White", "Asian", "Mixed", "Mixed", "Mixed"
  ),
  stringsAsFactors = FALSE
) -> trans_tbl

现在我们将模拟一些数据（我使用
dat
vs
data
作为变量名，因为使用
data
最终会让您感到痛苦，因为它是一个R函数名）：

您的数据框有多个列，但您没有显示给我们，所以我只使用
y11
创建了一个单列数据框。现在，我们只需调用
merge
：

dat <- merge(dat, trans_tbl, by.x="y11", by.y="answer", all.x=TRUE)

str(dat)
## 'data.frame':    100 obs. of  2 variables:
##  $ y11  : chr  "African" "African" "African" "African" ...
##  $ subst: chr  "Black" "Black" "Black" "Black" ...

我们还可以使用“tidyverse”中的
dplyr
：

我们将转换后的值作为字符向量，而不是因子。
欢迎使用！拥有您的数据、数据的一部分以及所需的输出可能会很有帮助。您绝对不想创建带有重新编码的新变量吗？因为基本上，错误消息告诉您的是，您有一个具有定义属性集的标称（也称为分类）变量，而现在您正试图创建一个具有不同属性集的新变量。下面没有提到的两个选项是使用forcats包或使用散列。是的，我想用重新编码创建一个新变量，理想情况下，现在我没有得到错误，但我仍然在新变量中得到我不想要的旧类别。然而，重新编码的变量肯定是一个因素。你可以做的第一个案例更多的是一个字符变量。非常感谢！我不再犯错误了。但是现在，当我使用table函数查看变量时，它与变量中我不想要的其他类别一起出现。我希望它只被重新编码为“白色”“混合”“亚洲”“阿拉伯和其他”和“黑色”，这有意义吗？？很抱歉，如果在r:）它确实很明显是新的，请尝试以下：
表（数据$y11[数据$y11%以%c表示（“白色”、“黑色”、“混合”、“亚洲”、“阿拉伯和其他”）]
。这应该限制表中只包含这些选项的频率。如果我误解了，请告诉我。我明白了，但我想要的是重新编码变量，使其只包含这些类别。因为我要在图形和计算中使用它，我需要它只包含这些类别？我不明白为什么其他类别会出现，因为我“我用代码覆盖了它们？？非常感谢，如果变量仍然是一个因子，那么旧值仍然是可用的因子级别，这就是它们可能出现的原因。这很难提供帮助，因为我们没有数据样本，因此无法实际复制您所说的任何内容，但有没有办法在新的v中只包含新值但是可变？我不想让旧的出现。这很奇怪，因为只有一些旧的出现，即使我试图覆盖它们以适应新的类别？
set.seed(2018-11-30)
data.frame(
  y11 = sample(trans_tbl$answer, 100, replace = TRUE),
  stringsAsFactors = FALSE
) -> dat

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Caribbean" "Chinese" "Indian" "Any other Black/African/Caribbean background, please describe" ...

dat <- merge(dat, trans_tbl, by.x="y11", by.y="answer", all.x=TRUE)

str(dat)
## 'data.frame':    100 obs. of  2 variables:
##  $ y11  : chr  "African" "African" "African" "African" ...
##  $ subst: chr  "Black" "Black" "Black" "Black" ...

dat$y11 <- dat$subst
dat$subst <- NULL

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Black" "Black" "Black" "Black" ...

library(tidyverse)

set.seed(2018-11-30)
data_frame( # this is the `data_frame()` function from dplyr, NOT `data.frame()` from base R
  y11 = sample(trans_tbl$answer, 100, replace = TRUE)
) -> dat

left_join(dat, trans_tbl, by = c("y11"="answer")) %>%
  select(y11 = subst)
## # A tibble: 100 x 1
##    y11         
##    <chr>       
##  1 Black       
##  2 Asian       
##  3 Asian       
##  4 Black       
##  5 Asian       
##  6 Mixed       
##  7 Arab & Other
##  8 Asian       
##  9 Arab & Other
## 10 Asian       
## # ... with 90 more rows

possible_answers <- c(
  "African", "Any other Asian background, please describe",
  "Any other Black/African/Caribbean background, please describe",
  "Any other ethnic group, please describ",
  "Any other Mixed/Multiple ethnic background, please describe",
  "Any other White background, please describe", "Arab", "Bangladeshi",
  "Caribbean", "Chinese", "English/Welsh/Scottish/Northern Irish/British",
  "Gypsy or Irish Traveller", "Indian", "Irish", "Pakistani", "White and Asian ",
  "White and Black African ", "White and Black Caribbean"
)

what_they_should_be <- c(
  "Black", "Asian", "Black", "Arab & Other", "Mixed", "White",
  "Arab & Other", "Asian", "Black", "Asian", "White", "White", "Asian",
  "White", "Asian", "Mixed", "Mixed", "Mixed"
)

set.seed(2018-11-30)
data.frame(
  y11 = sample(possible_answers, 100, replace = TRUE)
) -> dat

dat$y11 <- as.character(factor(
  x = dat$y11,
  levels = possible_answers,
  labels = what_they_should_be
))

str(dat)
## 'data.frame':    100 obs. of  1 variable:
##  $ y11: chr  "Black" "Asian" "Asian" "Black" ...