为什么as.matrix在将数字转换为字符时会添加额外的空格？

5 回答

• 1

  这是因为在 as.matrix.data.frame 方法中转换非数字数据的方式 . 有一个简单的解决方法，如下所示 .

  详情

  ?as.matrix 注意到转换是通过 format() 完成的，并且在这里添加了额外的空格 . 具体来说， ?as.matrix 在 Details 部分中有这个：

  ‘as.matrix’ is a generic function.  The method for data frames
   will return a character matrix if there is only atomic columns and
   any non-(numeric/logical/complex) column, applying ‘as.vector’ to
   factors and ‘format’ to other non-character columns.  Otherwise,
   the usual coercion hierarchy (logical < integer < double <
   complex) will be used, e.g., all-logical data frames will be
   coerced to a logical matrix, mixed logical-integer will give a
   integer matrix, etc.
  

  ?format 也注意到了

  字符串用空格填充到最宽的显示宽度 .

  考虑这个示例来说明行为

  > format(df[,2])
  [1] "100" " 90" "  8"
  > nchar(format(df[,2]))
  [1] 3 3 3
  

  format 不必以这种方式工作，因为它具有 trim ：

  trim: logical; if ‘FALSE’, logical, numeric and complex values are
        right-justified to a common width: if ‘TRUE’ the leading
        blanks for justification are suppressed.
  

  例如

  > format(df[,2], trim = TRUE)
  [1] "100" "90"  "8"
  

  但是没有办法将这个参数传递给 as.matrix.data.frame 方法 .

  解决方法

  解决此问题的方法是通过 sapply 手动自己应用 format() . 在那里你可以通过 trim = TRUE

  > sapply(df, format, trim = TRUE)
       id1 id2  
  [1,] "a" "100"
  [2,] "a" "90" 
  [3,] "a" "8"
  

  或者，使用 vapply ，我们可以说明我们期望返回的内容（这里是长度为3 [ nrow(df) ]的字符向量）：

  > vapply(df, format, FUN.VALUE = character(nrow(df)), trim = TRUE)
       id1 id2  
  [1,] "a" "100"
  [2,] "a" "90" 
  [3,] "a" "8"
  

  回复于 2024-05-15T15:05:04+08:00
• 0

  这看起来有点奇怪 . 在手册（ ?as.matrix ）中，它解释了 format 被调用以转换为字符矩阵：

  如果只有原子列和任何非（数字/逻辑/复杂）列，则将数据帧的方法返回字符矩阵，将as.vector应用于因子并格式化为其他非字符列 .

  你可以看到，如果直接调用 format ，它会执行 as.matrix 所做的事情：

  format(df$id2)
  [1] "100" " 90" "  8"
  

  你需要做的是通过 trim arugment：

  format(df$id2,trim=TRUE)
  [1] "100" "90"  "8"
  

  但是，不幸的是， as.matrix.data.frame 函数不允许你这样做 .

  else if (non.numeric) {
      for (j in pseq) {
          if (is.character(X[[j]])) 
              next
          xj <- X[[j]]
          miss <- is.na(xj)
          xj <- if (length(levels(xj))) 
              as.vector(xj)
          else format(xj) # This could have ... as an argument
          # else format(xj,...)
          is.na(xj) <- miss
          X[[j]] <- xj
      }
  }
  

  所以，你可以修改 as.data.frame.matrix . 但是，我认为这将是一个很好的功能添加，但是，将它包含在基础中 .

  但是，一个快速的解决方案就是：

  as.matrix(data.frame(lapply(df,as.character)))
       id1 id2  
  [1,] "a" "100"
  [2,] "a" "90" 
  [3,] "a" "8"  
  # As mentioned in the comments, this also works:
  sapply(df,as.character)
  

  回复于 2024-05-15T15:05:04+08:00
• 23

  as.matrix 内部调用 format ：

  > format(df$id2)
  [1] "100" " 90" "  8"
  

  这就是额外空间的来源 . format 有一个额外的参数 trim 来删除那些：

  > format(df$id2, trim = TRUE)
  [1] "100" "90"  "8"
  

  但是，您无法将此参数提供给 as.matrix .

  回复于 2024-05-15T15:05:04+08:00
• 9

  之前的答案已经解释了这种行为的原因，但我想提供另一种规避这种做法的方法：

  df <- data.frame(id1=c(rep("a",3)),id2=c(100,90,8), stringsAsFactors = FALSE) 
  do.call(cbind,df)
       id1 id2  
  [1,] "a" "100"
  [2,] "a" "90" 
  [3,] "a" "8"
  

  请注意，如果使用 stringsAsFactors = TRUE ，则无法将因子级别转换为数字 .

  回复于 2024-05-15T15:05:04+08:00
• 5

  只是另一个解决方案：如果你不介意下载软件包，trimWhiteSpace（x）（来自limma R pckg）也可以完成这项工作 .

  source("https://bioconductor.org/biocLite.R")
  biocLite("limma")
  library(limma)
  df <- data.frame(id1=c(rep("a",3)),id2=c(100,90,8), stringsAsFactors = FALSE) 
  as.matrix(df)
   id1 id2  
  [1,] "a" "100"
  [2,] "a" " 90"
  [3,] "a" "  8"
  
  trimWhiteSpace(as.matrix(df))
   id1 id2  enter code here
  [1,] "a" "100"
  [2,] "a" "90" 
  [3,] "a" "8"
  

  回复于 2024-05-15T15:05:04+08:00