将数据框中多个列的类从factor更改为numeric

将大量列从因子更改为数值的最快/最佳方法是什么

我使用了以下代码，但它似乎已对我的数据进行了重新排序

> head(stats[,1:2])
  rk                 team
1  1 Washington Capitals*
2  2     San Jose Sharks*
3  3  Chicago Blackhawks*
4  4     Phoenix Coyotes*
5  5   New Jersey Devils*
6  6   Vancouver Canucks*

for(i in c(1,3:ncol(stats))) {
    stats[,i] <- as.numeric(stats[,i])
}

> head(stats[,1:2])
  rk                 team
1  2 Washington Capitals*
2 13     San Jose Sharks*
3 24  Chicago Blackhawks*
4 26     Phoenix Coyotes*
5 27   New Jersey Devils*
6 28   Vancouver Canucks*

>头部（统计数据[，1:2]）
rk团队
华盛顿首都*
2圣何塞鲨鱼*
3芝加哥黑鹰队*
4只凤凰狼*
5个新泽西魔鬼*
6温哥华加努克*
对于（c中的i（1,3:ncol（stats）））{
统计数字[我]头（统计数字[1:2]）
rk团队
12华盛顿首都*
2.13圣何塞鲨鱼*
3 24芝加哥黑鹰队*
4 26只凤凰狼*
527新泽西魔鬼队*
6 28温哥华加努克*

除了将每一列命名为中的外，最好的方法是什么：

df$colname <- as.numeric(ds$colname)

---

df$colname将因子更改为数值时必须小心。下面是一行代码，可以将一组列从因子更改为数值。我在这里假设要更改为数值的列分别为1、3、4和5。您可以相应地进行更改

cols = c(1, 3, 4, 5);    
df[,cols] = apply(df[,cols], 2, function(x) as.numeric(as.character(x)));

根据Ramnath的回答，您正在经历的行为是由于
as.numeric（x）
返回R级别的系数
x
的内部数字表示。如果您希望保留系数级别的数字（而不是其内部表示），根据Ramnath的示例，首先需要通过
as.character（）
转换为字符

您的
for
循环与
apply
调用一样合理，并且可能更易于理解代码的意图。只需更改此行：

stats[,i] <- as.numeric(stats[,i])

stats[，i]我认为您的循环不起作用

如果您仍然不想使用循环，这里是使用
lappy
的解决方案：

factorToNumeric <- function(f) as.numeric(levels(f))[as.integer(f)] 
cols <- c(1, 3:ncol(stats))
stats[cols] <- lapply(stats[cols], factorToNumeric)

应该做你想做的。
这可以在一行中完成，不需要循环，无论是for循环还是apply。请改用unlist（）：

# testdata
Df <- data.frame(
  x = as.factor(sample(1:5,30,r=TRUE)),
  y = as.factor(sample(1:5,30,r=TRUE)),
  z = as.factor(sample(1:5,30,r=TRUE)),
  w = as.factor(sample(1:5,30,r=TRUE))
)
##

Df[,c("y","w")] <- as.numeric(as.character(unlist(Df[,c("y","w")])))

str(Df)

#测试数据
Dflapply就是为此而设计的

unfactorize<-c("colA","colB")
df[,unfactorize]<-lapply(unfactorize, function(x) as.numeric(as.character(df[,x])))

unfactorize我在使用
apply（）
调用将所有列转换为数字时遇到问题：

apply(data, 2, as.numeric)

问题是，有些字符串中有逗号，例如“1024.63”而不是“1024.63”，而R不喜欢这种格式化数字的方式。因此，我删除了它们，然后以.numeric（）的形式运行
：

请注意，这需要加载stringr包。
我想指出，如果在任何列中都有NAs，那么简单地使用下标将不起作用。如果factor中有NAs，则必须使用Ramnath提供的apply脚本

例如

但是：

返回：

> head(Df)
   x  y  z  w
1 NA NA NA NA
2  2  3  4  1
3  1  5  3  4
4  2  3  4  1
5  5  3  5  5
6  4  2  4  4

我知道这个问题早就解决了，但我最近遇到了一个类似的问题，我认为我找到了一个更优雅、更实用的解决方案，尽管它需要magrittr包

library(magrittr)
cols = c(1, 3, 4, 5)
df[,cols] %<>% lapply(function(x) as.numeric(as.character(x)))

库（magrittr）
cols=c（1,3,4,5）
df[，cols]%lappy（函数（x）为数字（字符（x）））

%%
操作符用于管道和重新分配，这对于保持数据清理和转换简单非常有用。现在，list apply函数更易于阅读，只需指定要应用的函数。
这对我很有用。
apply（）
函数尝试将df强制到矩阵，并返回NA

numeric.df我在另外两个重复的线程上发现了这个函数，并且发现它是解决这个问题的一种优雅而通用的方法。这个线程首先出现在关于这个主题的大多数搜索中，所以我在这里分享它是为了节省人们的时间。我不相信这一点，只是为了查看原始帖子和详细信息

df <- data.frame(x = 1:10,
                 y = rep(1:2, 5),
                 k = rnorm(10, 5,2),
                 z = rep(c(2010, 2012, 2011, 2010, 1999), 2),
                 j = c(rep(c("a", "b", "c"), 3), "d"))

convert.magic <- function(obj, type){
  FUN1 <- switch(type,
                 character = as.character,
                 numeric = as.numeric,
                 factor = as.factor)
  out <- lapply(obj, FUN1)
  as.data.frame(out)
}

str(df)
str(convert.magic(df, "character"))
str(convert.magic(df, "factor"))
df[, c("x", "y")] <- convert.magic(df[, c("x", "y")], "factor")

df您可以使用“varhandle”包表单CRAN中的
unfactor（）
函数：

library("varhandle")

my_iris <- data.frame(Sepal.Length = factor(iris$Sepal.Length),
                      sample_id = factor(1:nrow(iris)))

my_iris <- unfactor(my_iris)

库（“varhandle”）
my_iris我喜欢这段代码，因为它非常方便：

  data[] <- lapply(data, function(x) type.convert(as.character(x), as.is = TRUE)) #change all vars to their best fitting data type

data[]根据@SDahm的回答，这是我的
tibble
的“最佳”解决方案：

data %<>% lapply(type.convert) %>% as.data.table()

data%%lappy（type.convert）%%>%as.data.table（）

这需要
dplyr
和
magrittr
我在一个类似的问题上尝试了很多，并不断得到NAs。Base R有一些非常恼人的强制行为，这些行为通常在Tidyverse包中得到修复。我过去避免它们，因为我不想创建依赖项，但现在它们让生活变得更加轻松大多数时候，我甚至不想费心去找出基本的R解决方案

这是Tidyverse解决方案，它非常简单和优雅：

library(purrr)

mydf <- data.frame(
  x1 = factor(c(3, 5, 4, 2, 1)),
  x2 = factor(c("A", "C", "B", "D", "E")),
  x3 = c(10, 8, 6, 4, 2))

map_df(mydf, as.numeric)

库（purrr）
mydf以下是一些
dplyr
选项：

# by column type:
df %>% 
  mutate_if(is.factor, ~as.numeric(as.character(.)))

# by specific columns:
df %>% 
  mutate_at(vars(x, y, z), ~as.numeric(as.character(.))) 

# all columns:
df %>% 
  mutate_all(~as.numeric(as.character(.))) 

df$colname这将无法正常工作。例如：
xapply在这些情况下工作得非常好。我的代码中的错误是使用margin=1，而不是2，因为函数需要按列应用。我已经相应地编辑了我的答案。现在它可以工作了。但我认为它可以在没有
apply
的情况下完成。请检查我的编辑…或Joris answ不需要在解决方案中使用
unlist
和
as.character
转换，因为
apply
将
df[，cols]
转换为
character
so
apply（df[，cols]，2，函数（x）as.numeric（x））
也可以。@Ramnath，为什么要使用
=
？为什么不使用
不需要任何类型的循环。只需使用索引和取消列表（）.Edit：我添加了一个答案来说明这一点。这种方法只在这种特定情况下有效。我试图用它将列转换为
因子
，但它不起作用。
sapply
或
mutate\u if
似乎是更普遍适用的解决方案。@Leo愿意扩展一下，因为我知道事实上这是有效的。这是完全相同的解决方案n与Ramnath下面的一样，除了他使用
apply
来运行循环外，OP显式地使用了
for
循环。事实上，所有投票率较高的答案都使用
as.numeric（as.character（））
习惯用法。是的，它可以将多列类更改为
numeric
，但它不能
library(magrittr)
cols = c(1, 3, 4, 5)
df[,cols] %<>% lapply(function(x) as.numeric(as.character(x)))

df <- data.frame(x = 1:10,
                 y = rep(1:2, 5),
                 k = rnorm(10, 5,2),
                 z = rep(c(2010, 2012, 2011, 2010, 1999), 2),
                 j = c(rep(c("a", "b", "c"), 3), "d"))

convert.magic <- function(obj, type){
  FUN1 <- switch(type,
                 character = as.character,
                 numeric = as.numeric,
                 factor = as.factor)
  out <- lapply(obj, FUN1)
  as.data.frame(out)
}

str(df)
str(convert.magic(df, "character"))
str(convert.magic(df, "factor"))
df[, c("x", "y")] <- convert.magic(df[, c("x", "y")], "factor")

library("varhandle")

my_iris <- data.frame(Sepal.Length = factor(iris$Sepal.Length),
                      sample_id = factor(1:nrow(iris)))

my_iris <- unfactor(my_iris)

  data[] <- lapply(data, function(x) type.convert(as.character(x), as.is = TRUE)) #change all vars to their best fitting data type

data %<>% lapply(type.convert) %>% as.data.table()

library(purrr)

mydf <- data.frame(
  x1 = factor(c(3, 5, 4, 2, 1)),
  x2 = factor(c("A", "C", "B", "D", "E")),
  x3 = c(10, 8, 6, 4, 2))

map_df(mydf, as.numeric)

# by column type:
df %>% 
  mutate_if(is.factor, ~as.numeric(as.character(.)))

# by specific columns:
df %>% 
  mutate_at(vars(x, y, z), ~as.numeric(as.character(.))) 

# all columns:
df %>% 
  mutate_all(~as.numeric(as.character(.)))