forcats

パッケージの概要

forcatsは、factor型のデータを取り扱うための様々な関数を提供しているパッケージです。

suppressMessages(require(tidyverse))
require(forcats)

factor型について

factor型のベクトルは、ベクトルの要素に加えて、levelsという情報を持っています。例えば、a,b,cの要素を持つcharacter型のベクトルに対して、factor関数を適用するとfactor型のベクトルが得られます。

なお、ベクトル内の要素が重複している場合、Levelsではまとめて表示されます。以下の例では、「c」が重複していますが、Levelsで表示されるcは１つだけになっています。

x <- c("a", "c", "b", "c")
factor(x)

[1] a c b c
Levels: a b c

factor型の活用方法

factor型のlevelsは、例えば、データを可視化する際に活用できます。

具体例を確認するために、まず、Rのiris（あやめのがく片、花弁の幅・長さに関するデータセット）を用いて、あやめの種類（Species）別のがく片の幅の平均値をmean_Sepal_Widthに格納し、その結果を棒グラフで表示します。この際、iris_mean_by_speciesのSpeciesカラムはfactor型になっていることに注意してください。

iris_mean_by_species <- iris %>%
  group_by(Species) %>%
  summarise(across(everything(), mean))
iris_mean_by_species

# A tibble: 3 × 5
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>             <dbl>       <dbl>        <dbl>       <dbl>
1 setosa             5.01        3.43         1.46       0.246
2 versicolor         5.94        2.77         4.26       1.33 
3 virginica          6.59        2.97         5.55       2.03 

iris_mean_by_species |>
  ggplot(aes(x = Species, y = Sepal.Width, fill = Species)) +
  geom_bar(stat = "identity") +
  labs(title = "Mean Values by Species", x = "Species", y = "Mean Sepal.Width")

データを可視化した際、結果をSepal.Widthが大きい順（つまり、setosa、versicolor、virginicaの順）に並べたいとします。

まず、可視化するデータセットをSpela.Widthが大きい順に並べ替えた結果を表示してみます。結果は以下の通り、元の結果と変わりません。

iris_mean_by_species$Species

[1] setosa     versicolor virginica 
Levels: setosa versicolor virginica

desc_iris_mean_by_species <- iris_mean_by_species |>
  arrange(desc(Sepal.Width))
desc_iris_mean_by_species

# A tibble: 3 × 5
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>             <dbl>       <dbl>        <dbl>       <dbl>
1 setosa             5.01        3.43         1.46       0.246
2 virginica          6.59        2.97         5.55       2.03 
3 versicolor         5.94        2.77         4.26       1.33 

desc_iris_mean_by_species |>
  ggplot(aes(x = Species, y = Sepal.Width, fill = Species)) +
  geom_bar(stat = "identity") +
  labs(title = "Mean Values by Species", x = "Species", y = "Mean Sepal.Width")

次に、iris_mean_by_speciesのSpeciesのlevelsをsetosa、virginica、verscolorの順番に変更します。その後、これまでと同様に棒グラフを作成すると、結果がSepal.Widthが大きい順番に表示されます。

levelsの変更に利用したfct_relevel関数は、forcatsパッケージの関数で指定した順番でlevelsを設定できます。なお、全ての要素を指定する必要はありません。（指定しなかった要素は後ろに回されます）

desc_iris_mean_by_species_2 <- iris_mean_by_species
desc_iris_mean_by_species_2$Species <- desc_iris_mean_by_species_2$Species |>
  fct_relevel("setosa", "virginica")
desc_iris_mean_by_species_2

# A tibble: 3 × 5
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>             <dbl>       <dbl>        <dbl>       <dbl>
1 setosa             5.01        3.43         1.46       0.246
2 versicolor         5.94        2.77         4.26       1.33 
3 virginica          6.59        2.97         5.55       2.03 

desc_iris_mean_by_species_2 |>
  ggplot(aes(x = Species, y = Sepal.Width, fill = Species)) +
  geom_bar(stat = "identity") +
  labs(title = "Mean Values by Species", x = "Species", y = "Mean Sepal.Width")

factor型のlevelsの順序を変更する関数

forcatsパッケージには、factor型のlevelsの順序を変更する関数が提供されています。以下で、いくつか利用例を示します。

fct_infreq関数は、登場頻度が多い要素の順番にlevelsを整理します。

f <- factor(c("c", "c", "a"))
f

[1] c c a
Levels: a c

fct_infreq(f)

[1] c c a
Levels: c a

fct_inorder関数は、要素の登場した順番でlevelsを整理します。

f <- factor(c("b", "a"))
f

[1] b a
Levels: a b

fct_inorder(f)

[1] b a
Levels: b a

fct_rev関数は、levelsを反転させます。

f <- factor(c("a", "b", "c"))
f

[1] a b c
Levels: a b c

fct_rev(f)

[1] a b c
Levels: c b a

fct_shift関数は、levelsをずらします。デフォルトでは、levelsが１つ左にずれます（最初のlevelsは最後に回ります）が、引数で指定することで、ずれる大きさを変更可能です。また、引数に負の値を指定した場合は右にずれます。

f <- factor(c("a", "b", "c", "d"))
f

[1] a b c d
Levels: a b c d

fct_shift(f)

[1] a b c d
Levels: b c d a

fct_shift(f, 2)

[1] a b c d
Levels: c d a b

fct_shift(f, -1)

[1] a b c d
Levels: d a b c

fct_reorder関数は、他の変数を使って、levelsを並べ替えることが可能です。

factor型の活用方法で実施した「Sepal.Widthの平均値が大きい順に並べ替える」対応をfct_reorder関数で実施するには、以下のように記載します。

fct_reorder(Species, Sepal.Width, .fun = mean, .desc = TRUE)は、SpeciesのlevelsをSepal.Widthの平均値で変更しています。デフォルトは昇順ですが、「.desc = TRUE」と指定すると降順となります。

iris_mean_by_species |>
  ggplot(aes(x = Species, y = Sepal.Width, fill = Species)) +
  geom_bar(stat = "identity") +
  labs(title = "Mean Values by Species", x = "Species", y = "Mean Sepal.Width")

iris_mean_by_species |>
  ggplot(aes(x = fct_reorder(Species, Sepal.Width, .fun = mean, .desc = TRUE), y = Sepal.Width, fill = Species)) +
  geom_bar(stat = "identity") +
  labs(title = "Mean Values by Species", x = "Species", y = "Mean Sepal.Width")