R 如何在不丢失信息的情况下将因子转换为整数\数字?
当我将因子转换为数字或整数时,我得到的是底层的级别代码,而不是作为数字的值R 如何在不丢失信息的情况下将因子转换为整数\数字?,r,casting,r-faq,R,Casting,R Faq,当我将因子转换为数字或整数时,我得到的是底层的级别代码,而不是作为数字的值 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.
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
是否有更好的方法将系数转换为数值?请参阅以下内容的警告部分: 特别是,
as.numeric
应用于
一个因素是没有意义的,可能
通过隐含的强迫发生。到
将系数f
转换为
近似于其原始数值
值,为。数值(级别(f))[f]
为
推荐的,稍微多一点
有效的
as.numeric(as.character(f))
R上的常见问题解答
为什么
as.numeric(levels(f))[f]
比as.numeric(as.character(f))
更有效?
as.numeric(as.character(f))
实际上是as.numeric(levels(f)[f])
,因此您要在长度(x)
值上执行到数值的转换,而不是在nlevels(x)
值上执行。速度差异对于具有少量水平的长矢量最为明显。如果这些值基本上是唯一的,那么在速度上就不会有太大的差异。无论您如何进行转换,此操作都不太可能成为代码中的瓶颈,因此不要太担心它
一些时间安排
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
R有许多(未记录的)方便函数用于转换系数:
as.character.factor
as.data.frame.factor
as.Date.factor
as.list.factor
as.vector.factor
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
as.numeric.factor只有在因子标签与原始值匹配的情况下才可能。我会举例说明
假设数据是矢量x
:
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
2) 无法恢复到只有f
可用的原始值(10、20、30、40)。我们可以看到f
只保存整数值1、2、3、4和两个属性——标签列表(“A”、“B”、“C”、“D”)和类属性“factor”。没别的了
> 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"
要恢复到原始值,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),我们可以恢复到原始值
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
>原始级别x1全部相等(x,x1)
[1] 真的
只有在为原始数据中所有可能的值定义了标签的情况下,这才有效
因此,如果需要原始值,则必须保留它们。否则,很有可能无法仅从因子返回到它们。最简单的方法是使用包中的取消因子
函数,该函数可以接受因子向量甚至数据帧:
unfactor(your_factor_variable)
levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])
[1] FALSE
这个例子可以是一个快速的开始:
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"
#加载包
库(“varhandle”)
#把虹膜传给unsector
tmp_iris注:此特定答案不是用于将数值因子转换为数值,而是用于将分类因子转换为相应的级别数。
这篇文章中的每个答案都未能为我生成结果,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
如果有数据帧,可以使用hablar::convert
。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")))
给你:
# A tibble: 2 x 2
a b
<dbl> <dbl>
1 7. 1.50
2 3. 6.30
结果:
# A tibble: 2 x 2
a b
<int> <dbl>
1 7 1.50
2 3 6.30
#一个tible:2x2
a b
1 7 1.50
2 3 6.30
游戏迟到了,我无意中发现trimws()
可以将因子(3:5)
转换为c(“3”、“4”、“5”)
。然后您可以调用作为.numeric()
。即:
as.numeric(trimws(x_factor_var))
从我所能读到的许多答案中,唯一可行的方法是根据因子的数量来扩展变量的数量。如果你有一个级别为“dog”和“cat”的变量“pet”,那么你将得到pet_dog和pet_cat
在我的例子中,我希望保持相同数量的变量,只需将因子变量转换为数字变量,这种方式可以应用于多个级别的多个变量,例如cat=1和dog=0
请在下面找到相应的解决方案:
crime <- data.frame(city = c("SF", "SF", "NYC"),
year = c(1990, 2000, 1990),
crime = 1:3)
indx <- sapply(crime, is.factor)
crime[indx] <- lapply(crime[indx], function(x){
listOri <- unique(x)
listMod <- seq_along(listOri)
res <- factor(x, levels=listOri)
res <- as.numeric(res)
return(res)
}
)
crime看起来像是解决方案,因为.numeric(levels(f))[f]不再适用于R4.0
替代解决方案:
factor2number <- function(x){
data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}
factor2number(yourFactor)
factor2number类型。对级别完全为数字的因子进行转换(f)
是另一个基本选项
就性能而言,它大约相当于.numeric(as.character(f))
,但速度不如.numeric(levels(f))[f]
identical(type.convert(f), as.numeric(levels(f))[f])
[1] TRUE
也就是说,如果向量在第一个实例中被创建为因子的原因尚未解决(即,它可能包含一些无法强制为数字的字符),那么这种方法将不起作用,它将返回一个因子
levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])
[1] FALSE
levels(f)[1]strtoi()
如果您的因子级别是整数,则可以工作。有关计时,请参阅以下答案:非常感谢您的解决方案。我能问一下为什么as.numeric(levels(f))[f]更精确更快吗?谢谢。@Sam as.character(f)需要“原语查找”才能将函数查找为.character.factor(),该函数被定义为.numeric(levels(f))[f]。当应用为.numeric(levels(f))[f]或as.numeric(as.character(f))时,我收到一条警告消息:由强制引入的NAs。你知道问题出在哪里吗?谢谢大家!@user08041991我和maycca有同样的问题。我怀疑这是由于R随时间的逐渐变化(这个答案发布于2010年),而这个答案现在已经过时了。这里没有处理因子到整数(或数字)的转换,因为预计
> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
df %>%
convert(int(a),
num(b))
# A tibble: 2 x 2
a b
<int> <dbl>
1 7 1.50
2 3 6.30
as.numeric(trimws(x_factor_var))
crime <- data.frame(city = c("SF", "SF", "NYC"),
year = c(1990, 2000, 1990),
crime = 1:3)
indx <- sapply(crime, is.factor)
crime[indx] <- lapply(crime[indx], function(x){
listOri <- unique(x)
listMod <- seq_along(listOri)
res <- factor(x, levels=listOri)
res <- as.numeric(res)
return(res)
}
)
factor2number <- function(x){
data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}
factor2number(yourFactor)
identical(type.convert(f), as.numeric(levels(f))[f])
[1] TRUE
levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])
[1] FALSE