我在遇到一些麻烦。
我有一个类似于以下的数据集,但更长。
A B Pulse
1 2 23
2 2 24
2 2 12
2 3 25
1 1 65
1 3 45
基本上,前两列是编码的。 A
有1,2表示2个不同的权重。
B
有1,2,3代表3个不同的时间。
由于它们是编码数值,因此R将它们视为数值变量。 我需要使用因子函数将这些变量转换为因子。
帮助?
答案 0 :(得分:47)
以下是一个例子:
#Create a data frame
> d<- data.frame(a=1:3, b=2:4)
> d
a b
1 1 2
2 2 3
3 3 4
#currently, there are no levels in the `a` column, since it's numeric as you point out.
> levels(d$a)
NULL
#Convert that column to a factor
> d$a <- factor(d$a)
> d
a b
1 1 2
2 2 3
3 3 4
#Now it has levels.
> levels(d$a)
[1] "1" "2" "3"
您还可以在读取数据时处理此问题。请参阅中的colClasses
和stringsAsFactors
参数,例如readCSV()
。
请注意,从计算上来说,对这些列进行分解对您没什么帮助,实际上可能会减慢您的程序(尽管可以忽略不计)。使用因子将要求所有值都映射到幕后的ID,因此data.frame的任何打印都需要在这些级别上进行查找 - 这需要花费时间。
当存储您不想重复存储的字符串但更愿意通过其ID引用时,因素很棒。考虑在这些列中存储一个更友好的名称,以充分受益于因素。
答案 1 :(得分:26)
给出以下示例
myData <- data.frame(A=rep(1:2, 3), B=rep(1:3, 2), Pulse=20:25)
然后
myData$A <-as.factor(myData$A)
myData$B <-as.factor(myData$B)
或者你可以完全选择你的专栏并很好地包装它:
# select columns
cols <- c("A", "B")
myData[,cols] <- data.frame(apply(myData[cols], 2, as.factor))
levels(myData$A) <- c("long", "short")
levels(myData$B) <- c("1kg", "2kg", "3kg")
获取
> myData
A B Pulse
1 long 1kg 20
2 short 2kg 21
3 long 3kg 22
4 short 1kg 23
5 long 2kg 24
6 short 3kg 25