如何在不丢失信息的情况下将因子转换为整数\数字？

7 回答

• 72

  最简单的方法是使用包varhandle中的 unfactor 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"
  

  回复于 2024-04-29T11:14:52+08:00
• 27

  这篇文章中的每个答案都未能为我产生结果，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
  

  Note: this particular answer is not for converting numeric-valued factors to numerics, it is for converting categorical factors to their corresponding level numbers.

  回复于 2024-04-29T11:14:52+08:00
• 589

  请参阅?factor的警告部分：

  特别是，as.numeric应用于一个因子是没有意义的，并且可能通过隐式强制发生 . 要将因子f转换为大约其原始数值，建议使用as.numeric（levels（f））[f]，并且比as.numeric（as.character（f））稍微更有效 .

  关于R has similar advice的常见问题 .

  ---

  Why is as.numeric(levels(f))[f] more efficent than as.numeric(as.character(f))?

  as.numeric(as.character(f)) 实际上是 as.numeric(levels(f)[f]) ，因此您在 length(x) 值上执行转换为数字，而不是 nlevels(x) 值 . 对于具有较少水平的长矢量，速度差异将是最明显的 . 如果 Value 观大多是独一无二的，那么就会对此过于担忧 .

  ---

  Some timings

  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
  

  回复于 2024-04-29T11:14:52+08:00
• -1

  R有许多（未记录的）便利函数用于转换因子：

  • as.character.factor

  • as.data.frame.factor

  • as.Date.factor

  • as.list.factor

  • as.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Joshua Ulrich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]}
  

  您可以在脚本的开头存储，或者甚至更好地存储在.Rprofile文件中 .

  回复于 2024-04-29T11:14:52+08:00
• 7

  在因子标签与原始值匹配的情况下，可能 only . 我将用一个例子来解释它 .

  假设数据是vector 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 是类型integer . 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）无法恢复到仅有 f 可用的原始值（10,20,30,40） . 我们可以看到 f 仅包含整数值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 .

  回复于 2024-04-29T11:14:52+08:00
• 0

  如果您有数据框，则可以使用 hablar::convert . 语法很简单：

  Sample df

  library(hablar)
  library(dplyr)
  
  df <- dplyr::tibble(a = as.factor(c("7", "3")),
                      b = as.factor(c("1.5", "6.3")))
  

  Solution

  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，如果您希望一列为整数和一个数字：

  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
  

  回复于 2024-04-29T11:14:52+08:00
• 15

  在游戏后期，我发现 trimws() 可以将 factor(3:5) 转换为 c("3","4","5") . 然后你可以拨打 as.numeric() . 那是：

  as.numeric(trimws(x_factor_var))
  

  回复于 2024-04-29T11:14:52+08:00