r - 我们可以创建一个比 R 中的值多 n 个级别的因子变量子集吗？

Question

我正在尝试对一组变量运行随机森林。大多数变量都是分类变量(因子)，有些变量有很多值。我的数据集有大约 1500 个变量，我想删除那些超过 50 个类别的变量。

在 R 中可以做到这一点吗？

编辑:我一直在尝试对此进行编码:

如果变量是因子，则计算nlevels的数量。如果 nlevels >50，则丢弃。

Answer 1

您可以尝试使用函数nlevels来检索每列的级别数。下面是一个使用 mtcars 的示例，其中所有列都转换为因子，并且我们只保留级别少于 10 个的因子。

require(dplyr)

df <- as.data.frame(sapply(mtcars, as.factor))

good.columns <- names(df)[sapply(df, nlevels) < 10]

filtered.df <- df %>% select(good.columns)

注意:在您的情况下，它也适用于非因子列，因为非因子列的级别数等于 0。