R未正确总结定性数据

在RGui和RStudio环境中，我在获取定性数据列的正确摘要时遇到问题。所讨论的数据是“统计学习导论，在R中的应用”（）中的“自动”数据。“名称”列中的问题是我是否使用该书网站上的“Auto.csv”或“Auto.data”文件。有趣的是，RGui正确地描述了“马力”列，但RStudio没有。同样，两者都不能正确描述“name”列的特征。如能帮助纠正这种情况，我们将不胜感激

---

这里有两个不相关的问题。一个是

马力

的缺失值编码为“？”

read.csv（）

然后将

马力

读取为字符向量，而不是数字向量。参数

na.strings=“？”

将解决此问题

另一个问题是,

R现在使用StringsAsAffactors=FALSE默认值，因此在对data.frame（）和read.table（）的调用中，默认情况下不再将字符串转换为因子

这样，省略

stringsAsFactors

的脚本在旧版本中将有不同的结果。在版本4.0.0之前，它将自动转换为因子，并且由于中的4.0.0将按照默认值读取为字符。如果要转换为因子，只需设置

stringsAsFactors=TRUE

。（或稍后使用

as.factor（）

将其转换为因子）

这一变化背后的原因。在我看来，最令人信服的原因是自动转换为因子时的再现性问题

从字符向量创建因子时，如果未明确给出级别，则将为级别使用排序后的唯一值，当然排序结果取决于区域设置

因此，如果您希望转换为因子，并确保无论您的语言环境如何（即语言设置），相同的脚本都会产生相同的结果，建议手动转换为因子并显式设置级别

带和不带stringsAsFactors参数的示例

url分钟：9.00分钟：3.000分钟：68.0分钟：46.0分钟：1613
#>第一区：17.50第一区：4.000第一区：104.0第一区：75.0第一区：2223
#>中位数：23.00中位数：4.000中位数：146.0中位数：93.5中位数：2800
#>平均数：23.52平均数：5.458平均数：193.5平均数：104.5平均数：2970
#>第三区：29.00第三区：8.000第三区：262.0第三区：126.0第三区：3609
#>最大值：46.60最大值：8.000最大值：455.0最大值：230.0最大值：5140
#>安娜：5
#>加速年份原点名称
#>最小：8.00最小：70.00最小：1000福特平托：6
#>第一区：13.80第一区：73.00第一区：1.000 amc斗牛士：5
#>中位数：15.50中位数：76.00中位数：1000福特maverick:5
#>平均值：15.56平均值：75.99平均值：1.574丰田花冠：5
#>第三节：17.10第三节：79.00第三节：2.000 amc小精灵：4
#>最大：24.80最大：82.00最大：3.000 amc大黄蜂：4
#>（其他）：368
df_管柱mpg气缸排量马力重量
#>分钟：9.00分钟：3.000分钟：68.0分钟：46.0分钟：1613
#>第一区：17.50第一区：4.000第一区：104.0第一区：75.0第一区：2223
#>中位数：23.00中位数：4.000中位数：146.0中位数：93.5中位数：2800
#>平均数：23.52平均数：5.458平均数：193.5平均数：104.5平均数：2970
#>第三区：29.00第三区：8.000第三区：262.0第三区：126.0第三区：3609
#>最大值：46.60最大值：8.000最大值：455.0最大值：230.0最大值：5140
#>安娜：5
#>加速年份原点名称
#>最小：8.00最小：70.00最小：1.000长度：397
#>第一区：13.80第一区：73.00第一区：1.000类别：字符
#>中位数：15.50中位数：76.00中位数：1.000模式：字符
#>平均数：15.56平均数：75.99平均数：1.574
#>第三区：17.10第三区：79.00第三区：2.000
#>最大值：24.80最大值：82.00最大值：3.000
#> 

---

由（v1.0.0）

根据您编写的内容于2021-03-21创建，在第一次尝试（Rstudio）中，您没有将

na.string=“？”

传递给read.csv（）函数，它将马力列作为字符向量而不是数字来读取。如果您复制代码和输出而不是屏幕截图，那会更好。嗨，Marcelo，谢谢您的关注。运行此操作时，“name”列是否正确求解？再次感谢。我相信

名称

栏没有问题。我无法访问与您相同的数据，但可以看到编辑后的答案。也许您可以设置

stringsAsFactors=TRUE

，以便将字符串（字符）变量转换为因子。（请注意，在R4.0之前，stringAsFactors在默认情况下为TRUE，此后为FALSE。是否

stringsAsFactors=TRUE

和

na.string=“？”

解决问题？我认为R4.0发布后默认stringsAsFactors的变化是导致问题的原因。本书的当前版本是2017年出版的。我会在有机会时修改代码。我认为

stringsAsFactors

是更接近的问题：也许你可以对此发表评论（以及R=4.0中的不同默认值）在您的答案中？完成了！我相信现在它更好地解决了问题。您是否认为稍微编辑一点问题是一个好主意，以便更多面临此问题的人找到此类答案？？（我仍然有点不确定编辑其他人问题的礼仪：）