过滤数据并使用基R/dplyr保存数据

Question

我有一个数据集，我正在尝试过滤，得到一个基于类别的数据子集。

df_clean = filter(df_clean, City  %in% c("Chicago","312CHICAGO", "CCHICAGO", "CHCHICAGO",
                              "CHCICAGO","chicago", "Chicago", "CHicago", "CHICAGO",
                              "CHICAGOC","CHICAGOCHICAGO", "CHICAGOI",
                              "CHICAGOO", "312CHICAGO"  ))

City是一个具有许多不同级别(城市)的分类变量，我只想过滤它以显示芝加哥(以及数据集中找到的相关拼写错误)。filter选项似乎不起作用，因为当我在筛选后检查这些级别时，它会给出与应用过滤器之前相同的级别。不知道我做错了什么。

我也尝试过过滤另一个列/分类变量，风险，这也是无效的。风险有以下几个层次。

风险1(高)，风险2(中等)，风险3(低)，全部，零

我不得不求助于使用droplevels(df_Clean$Risk)，但我不知道为什么。

df_clean = df_clean [df_clean $Risk %in% c("Risk 1 (High)", "Risk 2 (Medium)", "Risk 3 (Low)"),] 

很明显，当涉及到过滤时，我很困惑，我做错了什么？

Answer 1

当列被定义为一个因子时，它实际上是一个指向字符串字典的整数索引值。仅仅因为您从列中筛选出一个因子，dataframe仍然将该值(和索引)保存在列的字典中，这是将来添加的情况。

因此，为了删除未使用的级别，需要使用droplevels()函数来删除未使用的级别并重新分配其余的级别。

也许这段代码将演示：

demo <- data.frame(id=c(1, 2, 3), animal=c("dog", "cat", "pig"), stringsAsFactors = TRUE)
str(demo)
#1=cat, 2=dog, 3=pig
# factors are sorted in alphabetical order
as.integer(demo$animal)

#remove one factor
reduced <- demo[demo$animal != "cat",]
reduced
as.integer(reduced$animal)
#still 1=cat, 2=dog, 3=pig

#drop level
reduced$animal<- droplevels(reduced$animal)
as.integer(reduced$animal)
#Now 1=dog, 2=pig