因子列上的sum(.)返回不正确的结果

Question

我在这里遇到了一个奇怪的问题.我正在使用data.table一个非常常规的任务,但有些东西我无法解释.我已经想出了解决问题的方法,但我认为理解这里出了什么问题对我来说仍然很重要.

此代码将数据带入工作区:

library(XML)
library(data.table)
theurl <- "http://goo.gl/hOKW3a"
tables <- readHTMLTable(theurl)
new.Res <- data.table(tables[[2]][4:5][-(1:2),])
suppressWarnings(names(new.Res) <- c("Party","Cases"))

这里有两列,Party和Cases.两者都有默认类factor.虽然,Cases应该是numeric.最终,我只想要Cases每个的总和Party.所以像这样的东西应该工作:

new.Res[,sum(Cases), by=Party]

但这并没有给出正确的答案.我想,如果我改变类的它会工作Cases,从factor到numeric.所以我尝试了以下方法:

new.Res[,Cases := as.numeric(Cases)]
new.Res[,sum(Cases), by=Party]

但我得到了同样错误的答案.我意识到这个问题是在改变类的发生Cases,从factor到numeric.所以我尝试了一种不同的方法,它起作用了:

第1步:重新初始化数据:

theurl <- "http://goo.gl/hOKW3a"
tables <- readHTMLTable(theurl)
new.Res <- data.table(tables[[2]][4:5][-(1:2),])
suppressWarnings(names(new.Res) <- c("Party","Cases"))

第2步:使用不同的方法将类更改factor为numeric:

new.Res[,Cases := strtoi(Cases)]
new.Res[,sum(Cases), by=Party]

这很好用!但是,我不确定前两种方法有什么问题.我错过了什么？

Answer 1

转换factor为numeric或integer将要通过的正确方法character.这是因为在内部,因子是整数索引(指向levels量).当你告诉R将其转换为它时,numeric它只会转换基础索引,而不是尝试转换级别标签.

简答:做Cases:=as.numeric(as.character(Cases)).

编辑:或者,?factor帮助页面建议as.numeric(levels(Cases))[Cases]更有效.h/t @Gsee在评论中.