如何更有效地对分类变量进行重新分类？

Question

我正在练习一个数据集，其中我有一个变量S6。它包含6个级别/因素。该变量table如下所示：

bachelor   values
BBA        291
CSE        10
Math       1
Economics  33
Botany     498
Pharmacy   333

我想重新对这个变量进行分类。如下所示：

Pharmacy, Botany = Life Science
BBA, CSE, Math, Economics = Others

或,

Pharmacy, Botany = 1
BBA, CSE, Math, Economics = 2

我尝试了这种技术来对这个变量进行重新分类：

bachelor[S6 %in% c("Pharmacy")] <- "Life Science"
bachelor[S6 %in% c("Botany")] <- "Life Science"
bachelor[S6 %in% c("BBA")] <- "Other"
bachelor[S6 %in% c("CSE")] <- "Other"
bachelor[S6 %in% c("Economics")] <- "Other"
bachelor[S6 %in% c("Math")] <- "Other"

这项技术实际上对我很有效。但是，对于一个有超过10个因子或水平的变量来说，这是不现实的。

请建议我一些更有效的方法来重新分类变量。

Answer 1

%in%函数可以在右侧接受多个变量名。所以你可以这样做：

bachelor[S6 %in% c("Pharmacy", "Botany")] <- "Life Science"
bachelor[S6 %in% c("BBA", "CSE", "Economics", "Math")] <- "Other"

或者，您可以创建一种用于翻译的字典，并使用match

dict <- c(Pharmacy="Life Science",
          Botany="Life Science",
          BBA="Other",
          CSE="Other",
          Economics="Other",
          Math="Other")

bachelor <- dict[match(S6, names(dict))]

或者，使用外部包：

library(lest)
bachelor <- case_when(S6 %in% c("Pharmacy", "Botany")] ~ "Life Science",
                      S6 %in% c("BBA", "CSE", "Economics", "Math") ~ "Other",
                      TRUE ~ "Rest"
                      )