Reordenar los niveles de un factor sin cambiar el orden de los valores

Tengo un marco de datos con algunas variables numéricas y algunas factorvariables categóricas . El orden de los niveles para esos factores no es como yo quiero que sean.

numbers <- 1:4
letters <- factor(c("a", "b", "c", "d"))
df <- data.frame(numbers, letters)
df
#   numbers letters
# 1       1       a
# 2       2       b
# 3       3       c
# 4       4       d

Si cambio el orden de los niveles, las letras ya no están con sus números correspondientes (a partir de este momento, mis datos no tienen sentido).

levels(df$letters) <- c("d", "c", "b", "a")
df
#   numbers letters
# 1       1       d
# 2       2       c
# 3       3       b
# 4       4       a

Simplemente quiero cambiar el orden de nivel , por lo que al trazar, las barras se muestran en el orden deseado, que puede diferir del orden alfabético predeterminado.

Use el levelsargumento de factor:

df <- data.frame(f = 1:4, g = letters[1:4])
df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

levels(df$g)
# [1] "a" "b" "c" "d"

df$g <- factor(df$g, levels = letters[4:1])
# levels(df$g)
# [1] "d" "c" "b" "a"

df
#   f g
# 1 1 a
# 2 2 b
# 3 3 c
# 4 4 d

un poco más, solo para el registro

## reorder is a base function
df$letters <- reorder(df$letters, new.order=letters[4:1])

library(gdata)
df$letters <- reorder.factor(df$letters, letters[4:1])

También puede encontrar Relevel útil y combine_factor .

Desde que esta pregunta estuvo activa por última vez, Hadley ha lanzado su nuevo forcatspaquete para manipular factores y lo encuentro escandalosamente útil. Ejemplos del marco de datos del OP:

levels(df$letters)
# [1] "a" "b" "c" "d"

Para revertir niveles:

library(forcats)
fct_rev(df$letters) %>% levels
# [1] "d" "c" "b" "a"

Para agregar más niveles:

fct_expand(df$letters, "e") %>% levels
# [1] "a" "b" "c" "d" "e"

Y muchas más fct_xxx()funciones útiles .

entonces, lo que desea, en el léxico R, es cambiar solo las etiquetas para una variable de factor dada (es decir, dejar los datos y los niveles de los factores , sin cambios).

df$letters = factor(df$letters, labels=c("d", "c", "b", "a"))

dado que desea cambiar solo la asignación de punto de datos a etiqueta y no los datos o el esquema de factores (cómo se agrupan los puntos de datos en ubicaciones individuales o valores de factores, puede ser útil saber cómo se establece originalmente la asignación cuando crea inicialmente el factor.

las reglas son simples:

• las etiquetas se asignan a niveles por valor de índice (es decir, el valor en los niveles [2] recibe la etiqueta, etiqueta [2]);
• los niveles de factores se pueden establecer explícitamente pasándolos a través del argumento de los niveles ; o
• si no se proporciona ningún valor para el argumento de niveles, se utiliza el valor predeterminado, que es el resultado que llama único en el vector de datos pasado (para el argumento de datos );
• las etiquetas se pueden establecer explícitamente mediante el argumento de etiquetas; o
• Si no se proporciona ningún valor para el argumento de las etiquetas, se utiliza el valor predeterminado, que es solo el vector de niveles

Tratar con factores en R es un trabajo bastante peculiar, debo admitir ... Al reordenar los niveles de factores, no reordenas los valores numéricos subyacentes. Aquí hay una pequeña demostración:

> numbers = 1:4
> letters = factor(letters[1:4])
> dtf <- data.frame(numbers, letters)
> dtf
  numbers letters
1       1       a
2       2       b
3       3       c
4       4       d
> sapply(dtf, class)
  numbers   letters 
"integer"  "factor" 

Ahora, si convierte este factor a numérico, obtendrá:

# return underlying numerical values
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4
# change levels
1> levels(dtf$letters) <- letters[4:1]
1> dtf
  numbers letters
1       1       d
2       2       c
3       3       b
4       4       a
# return numerical values once again
1> with(dtf, as.numeric(letters))
[1] 1 2 3 4

Como puede ver ... al cambiar los niveles, solo cambia los niveles (¿quién lo diría, eh?), ¡No los valores numéricos! Pero, cuando usa la factorfunción como sugirió @Jonathan Chang, sucede algo diferente: usted mismo cambia los valores numéricos.

levelsRecibes un error una vez más porque lo haces y luego intentas volver a nivelarlo factor. No lo hagas !!! No lo use levelso arruinará las cosas (a menos que sepa exactamente lo que está haciendo).

Una pequeña sugerencia: evite nombrar sus objetos con un nombre idéntico al de los objetos de R ( dfes la función de densidad para la distribución de F, lettersda letras minúsculas del alfabeto). En este caso en particular, su código no sería defectuoso, pero a veces puede ser ... pero esto puede crear confusión, y no queremos eso, ¿verdad? =)

En su lugar, use algo como esto (volveré desde el principio una vez más):

> dtf <- data.frame(f = 1:4, g = factor(letters[1:4]))
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 1 2 3 4
> dtf$g <- factor(dtf$g, levels = letters[4:1])
> dtf
  f g
1 1 a
2 2 b
3 3 c
4 4 d
> with(dtf, as.numeric(g))
[1] 4 3 2 1

Tenga en cuenta que también puede nombrarlo data.framecon dfy en letterslugar de g, y el resultado estará bien. En realidad, este código es idéntico al publicado, solo se cambian los nombres. ¡Esta parte factor(dtf$letter, levels = letters[4:1])no arrojaría un error, pero puede ser confuso!

¡Lea el ?factormanual a fondo! ¿Cuál es la diferencia entre factor(g, levels = letters[4:1])y factor(g, labels = letters[4:1])? ¿Qué es similar en levels(g) <- letters[4:1]y g <- factor(g, labels = letters[4:1])?

¡Puedes poner la sintaxis de ggplot, para que podamos ayudarte más en este!

¡¡¡Salud!!!

Editar:

ggplot2en realidad requiere cambiar tanto los niveles como los valores? Hm ... voy a cavar este ...

Deseo agregar otro caso en el que los niveles podrían ser cadenas con números junto con algunos caracteres especiales: como en el ejemplo a continuación

df <- data.frame(x = c("15-25", "0-4", "5-10", "11-14", "100+"))

Los niveles predeterminados de xes:

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 100+ 11-14 15-25 5-10

Aquí, si queremos reordenar los niveles de factores de acuerdo con el valor numérico, sin escribir explícitamente los niveles, lo que podríamos hacer es

library(gtools)
df$x <- factor(df$x, levels = mixedsort(df$x))

df$x
# [1] 15-25 0-4   5-10  11-14 100+ 
# Levels: 0-4 5-10 11-14 15-25 100+
as.numeric(df$x)
# [1] 4 1 2 3 5

Espero que esto pueda considerarse como información útil para futuros lectores.

Aquí está mi función para reordenar los factores de un marco de datos dado:

reorderFactors <- function(df, column = "my_column_name", 
                           desired_level_order = c("fac1", "fac2", "fac3")) {

  x = df[[column]]
  lvls_src = levels(x) 

  idxs_target <- vector(mode="numeric", length=0)
  for (target in desired_level_order) {
    idxs_target <- c(idxs_target, which(lvls_src == target))
  }

  x_new <- factor(x,levels(x)[idxs_target])

  df[[column]] <- x_new

  return (df)
}

Uso: reorderFactors(df, "my_col", desired_level_order = c("how","I","want"))