当我将因子转换为数字或整数时,我得到基础级别代码,而不是值作为数字.
f <- factor(sample(runif(5), 20, replace = TRUE))
## [1] 0.0248644019011408 0.0248644019011408 0.179684827337041
## [4] 0.0284090070053935 0.363644931698218 0.363644931698218
## [7] 0.179684827337041 0.249704354675487 0.249704354675487
## [10] 0.0248644019011408 0.249704354675487 0.0284090070053935
## [13] 0.179684827337041 0.0248644019011408 0.179684827337041
## [16] 0.363644931698218 0.249704354675487 0.363644931698218
## [19] 0.179684827337041 0.0284090070053935
## 5 Levels: 0.0248644019011408 0.0284090070053935 ... 0.363644931698218
as.numeric(f)
## [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2
as.integer(f)
## [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2
我不得不求助于paste获得真正的价值观:
as.numeric(paste(f))
## [1] 0.02486440 0.02486440 0.17968483 0.02840901 0.36364493 0.36364493
## [7] 0.17968483 0.24970435 0.24970435 0.02486440 0.24970435 0.02840901
## [13] 0.17968483 0.02486440 0.17968483 0.36364493 0.24970435 0.36364493
## [19] 0.17968483 0.02840901
有没有更好的方法将因子转换为数字？
Jos*_*ich 662
请参阅以下警告部分?factor:
特别是,
as.numeric应用于一个因素是没有意义的,并且可能通过隐式强制发生.要将因子转换f为大约其原始数值,as.numeric(levels(f))[f]建议使用效率稍高一些as.numeric(as.character(f)).
关于R的FAQ 有类似的建议.
为什么as.numeric(levels(f))[f]比这更有效as.numeric(as.character(f))？
as.numeric(as.character(f))是有效的as.numeric(levels(f)[f]),因此您正在执行转换为数字length(x)值而不是nlevels(x)值.对于具有较少水平的长向量,速度差异将是最明显的.如果这些值大多是唯一的,那么速度就没有太大差异.但是,如果进行转换,此操作不太可能成为代码中的瓶颈,因此不要过于担心.
一些时间
library(microbenchmark)
microbenchmark(
as.numeric(levels(f))[f],
as.numeric(levels(f)[f]),
as.numeric(as.character(f)),
paste0(x),
paste(x),
times = 1e5
)
## Unit: microseconds
## expr min lq mean median uq max neval
## as.numeric(levels(f))[f] 3.982 5.120 6.088624 5.405 5.974 1981.418 1e+05
## as.numeric(levels(f)[f]) 5.973 7.111 8.352032 7.396 8.250 4256.380 1e+05
## as.numeric(as.character(f)) 6.827 8.249 9.628264 8.534 9.671 1983.694 1e+05
## paste0(x) 7.964 9.387 11.026351 9.956 10.810 2911.257 1e+05
## paste(x) 7.965 9.387 11.127308 9.956 11.093 2419.458 1e+05
Jea*_*lie 81
R有许多(未记录的)便利函数用于转换因子:
as.character.factoras.data.frame.factoras.Date.factoras.list.factoras.vector.factor但令人讨厌的是,没有什么可以处理因素 - >数字转换.作为约书亚乌尔里希答案的延伸,我建议用你自己惯用函数的定义来克服这个遗漏:
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
您可以存储在脚本的开头,甚至可以存储在.Rprofile文件中.
Meh*_*ian 33
最简单的方法是使用unfactorpackage varhandle中的函数
unfactor(your_factor_variable)
这个例子可以快速入门:
x <- rep(c("a", "b", "c"), 20)
y <- rep(c(1, 1, 0), 20)
class(x) # -> "character"
class(y) # -> "numeric"
x <- factor(x)
y <- factor(y)
class(x) # -> "factor"
class(y) # -> "factor"
library(varhandle)
x <- unfactor(x)
y <- unfactor(y)
class(x) # -> "character"
class(y) # -> "numeric"
Ind*_*ndi 18
这篇文章中的每个答案都无法为我产生结果,NAs正在生成.
y2<-factor(c("A","B","C","D","A"));
as.numeric(levels(y2))[y2]
[1] NA NA NA NA NA Warning message: NAs introduced by coercion
对我有用的是 -
as.integer(y2)
# [1] 1 2 3 4 1
注意:此特定答案不是用于将数值因子转换为数值因子,而是用于将分类因子转换为其对应的级别数.
仅在因子标签与原始值匹配的情况下才有可能.我将用一个例子来解释它.
假设数据是矢量x:
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
现在我将创建一个包含四个标签的因子:
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
1)x是double类型,f是整数类型.这是第一次不可避免的信息丢失.因子总是存储为整数.
> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
2)无法恢复到仅f可用的原始值(10,20,30,40).我们可以看到f只保留整数值1,2,3,4和两个属性 - 标签列表("A","B","C","D")和类属性"factor".而已.
> str(f)
Factor w/ 4 levels "A","B","C","D": 2 1 3 2 1 4 1 4
> attributes(f)
$levels
[1] "A" "B" "C" "D"
$class
[1] "factor"
要恢复原始值,我们必须知道创建因子时使用的级别值.在这种情况下c(10, 20, 30, 40).如果我们知道原始级别(按正确顺序),我们可以恢复原始值.
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
这仅适用于为原始数据中的所有可能值定义标签的情况.
因此,如果您需要原始值,则必须保留它们.否则很有可能只能从一个因素回到它们.
hablar::convert如果您有数据框，则可以使用。语法很简单：
样本 df
library(hablar)
library(dplyr)
df <- dplyr::tibble(a = as.factor(c("7", "3")),
b = as.factor(c("1.5", "6.3")))
解决方案
df %>%
convert(num(a, b))
给你：
# A tibble: 2 x 2
a b
<dbl> <dbl>
1 7. 1.50
2 3. 6.30
或者，如果您希望一列是整数，一列是数字：
df %>%
convert(int(a),
num(b))
结果是：
# A tibble: 2 x 2
a b
<int> <dbl>
1 7 1.50
2 3 6.30