r - "exclude"`factor()` 中的参数不起作用

Question

我对这段代码应该如何工作感到困惑:

foo <- factor(c("a", "b", "a", "c", "a", "a", "c", "c"))
#[1] a b a c a a c c
#Levels: a b c

factor(foo, exclude = "a")
#[1] a b a c a a c c
#Levels: a b c

Warning message:

In as.vector(exclude, typeof(x)) : NAs introduced by coercion

它不应该显示所有 a 替换为 NA 的因子吗？如果没有，如何实现？

Answer 1

此错误自 R-3.4.0 起已得到修复。以下答案仅作为历史引用。

---

正如我在评论中所说，目前排除仅适用于

factor(as.character(foo), exclude = "a")

而不是

factor(foo, exclude = "a")

注意，R 3.3.1 下的文档 ?factor 根本不令人满意:

exclude: a vector of values to be excluded when forming the set of
         levels.  This should be of the same type as ‘x’, and will be
         coerced if necessary.

以下内容没有给出任何警告或错误，但也没有执行任何操作:

## foo is a factor with `typeof` being "integer"
factor(foo, exclude = 1L)
factor(foo, exclude = factor("a", levels = levels(foo)))
#[1] a b a c a a c c
#Levels: a b c

实际上，该文档看起来非常矛盾，因为它还写道:

The encoding of the vector happens as follows.  First all the
values in ‘exclude’ are removed from ‘levels’. 

所以看起来开发人员确实希望 exclude 成为一个“字符”。

---

这更有可能是 factor 内部的错误。问题相当明显，当输入向量 x 属于“factor”类时，factor(x, ...) 中的以下行会造成困惑:

exclude <- as.vector(exclude, typeof(x))

在这种情况下，typeof(x) 是“整数”。如果 exclude 是字符串，则在尝试将字符串转换为整数时将生成 NA。

我真的不知道为什么factor里面有这样一行。如果此行不存在，则后续两行只是在做正确的事情:

    x <- as.character(x)
    levels <- levels[is.na(match(levels, exclude))]

因此，补救措施/修复就是消除这一行:

my_factor <- function (x = character(), levels, labels = levels, exclude = NA, 
                       ordered = is.ordered(x), nmax = NA) 
{
    if (is.null(x)) 
        x <- character()
    nx <- names(x)
    if (missing(levels)) {
        y <- unique(x, nmax = nmax)
        ind <- sort.list(y)
        y <- as.character(y)
        levels <- unique(y[ind])
    }
    force(ordered)
    #exclude <- as.vector(exclude, typeof(x))
    x <- as.character(x)
    levels <- levels[is.na(match(levels, exclude))]
    f <- match(x, levels)
    if (!is.null(nx)) 
        names(f) <- nx
    nl <- length(labels)
    nL <- length(levels)
    if (!any(nl == c(1L, nL))) 
        stop(gettextf("invalid 'labels'; length %d should be 1 or %d", 
            nl, nL), domain = NA)
    levels(f) <- if (nl == nL) 
        as.character(labels)
    else paste0(labels, seq_along(levels))
    class(f) <- c(if (ordered) "ordered", "factor")
    f
}

现在我们来测试一下:

my_factor(foo, exclude = "a")
#[1] <NA> b    <NA> c    <NA> <NA> c    c   
#Levels: b c

my_factor(as.character(foo), exclude = "a")
#[1] <NA> b    <NA> c    <NA> <NA> c    c   
#Levels: b c