将data.frame列从因子转换为字符

时间:2010-05-17 16:52:03

标签: r dataframe

我有一个数据框。我们叫他bob

> head(bob)
                 phenotype                         exclusion
GSM399350 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-
GSM399351 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-
GSM399352 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-
GSM399353 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-
GSM399354 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-
GSM399355 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119-

我想连接这个数据框的行(这将是另一个问题)。但是看看:

> class(bob$phenotype)
[1] "factor"

Bob的列是因素。所以,例如:

> as.character(head(bob))
[1] "c(3, 3, 3, 6, 6, 6)"       "c(3, 3, 3, 3, 3, 3)"      
[3] "c(29, 29, 29, 30, 30, 30)"

我没有开始理解这一点,但我猜这些是bob的列(因为caractacus宫廷)的因素水平的指数?不是我需要的。

奇怪的是,我可以手动浏览bob的列,然后执行

bob$phenotype <- as.character(bob$phenotype)

工作正常。并且,在进行一些输入后,我可以得到一个data.frame,其列是字符而不是因子。所以我的问题是:我怎么能自动完成这个?如何将带有因子列的data.frame转换为带有字符列的data.frame,而无需手动遍历每列?

奖金问题:为什么手动方法有效?

18 个答案:

答案 0 :(得分:332)

关注Matt和Dirk。如果要在不更改全局选项的情况下重新创建现有数据框,可以使用apply语句重新创建它:

bob <- data.frame(lapply(bob, as.character), stringsAsFactors=FALSE)

这会将所有变量转换为“字符”类,如果您只想转换因子,请参阅Marek's solution below

正如@hadley指出的那样,以下内容更为简洁。

bob[] <- lapply(bob, as.character)

在这两种情况下,lapply都会输出一个列表;但是,由于R的神奇属性,在第二种情况下使用[]会保留bob对象的data.frame类,从而无需使用转换回data.frame带有参数as.data.frame的{​​{1}}。

答案 1 :(得分:271)

仅替换因素:

i <- sapply(bob, is.factor)
bob[i] <- lapply(bob[i], as.character)

在dplyr in version 0.5.0 new function mutate_if was introduced包中:

library(dplyr)
bob %>% mutate_if(is.factor, as.character) -> bob

Package purrr from RStudio提供了另一种选择:

library(purrr)
library(dplyr)
bob %>% map_if(is.factor, as.character) %>% as_data_frame -> bob

(请记住它是新包装)

答案 2 :(得分:37)

全局选项

  

stringsAsFactors:       data.frame和read.table参数的默认设置。

可能是您要在启动文件中设置为FALSE的内容(例如〜/ .Rprofile)。请参阅help(options)

答案 3 :(得分:21)

如果您了解如何存储因子,则可以避免使用基于应用的函数来完成此操作。这并不意味着应用解决方案效果不佳。

因子被构造为与“水平”列表相关联的数字索引。如果将因子转换为数字,则可以看到这一点。所以:

> fact <- as.factor(c("a","b","a","d")
> fact
[1] a b a d
Levels: a b d

> as.numeric(fact)
[1] 1 2 1 3

最后一行返回的数字对应于因子的水平。

> levels(fact)
[1] "a" "b" "d"

请注意levels()返回一个字符数组。您可以使用此事实轻松,紧凑地将因子转换为字符串或数字,如下所示:

> fact_character <- levels(fact)[as.numeric(fact)]
> fact_character
[1] "a" "b" "a" "d"

如果您将表达式包装在as.numeric()

中,这也适用于数值
> num_fact <- factor(c(1,2,3,6,5,4))
> num_fact
[1] 1 2 3 6 5 4
Levels: 1 2 3 4 5 6
> num_num <- as.numeric(levels(num_fact)[as.numeric(num_fact)])
> num_num
[1] 1 2 3 6 5 4

答案 4 :(得分:17)

如果您想要一个新的数据框bobc,其中 bobf中的每个因子向量都会转换为字符向量,请尝试以下操作:

bobc <- rapply(bobf, as.character, classes="factor", how="replace")

如果您想要将其转换回来,您可以创建一个逻辑向量,其中列是因子,并使用它来有选择地应用因子

f <- sapply(bobf, class) == "factor"
bobc[,f] <- lapply(bobc[,f], factor)

答案 5 :(得分:12)

我通常将此功能与我的所有项目区分开来。快速而简单。

unfactorize <- function(df){
  for(i in which(sapply(df, class) == "factor")) df[[i]] = as.character(df[[i]])
  return(df)
}

答案 6 :(得分:7)

另一种方法是使用apply

转换它
bob2 <- apply(bob,2,as.character)

一个更好的(前一个是'矩阵'类)

bob2 <- as.data.frame(as.matrix(bob),stringsAsFactors=F)

答案 7 :(得分:6)

或者您可以尝试transform

newbob <- transform(bob, phenotype = as.character(phenotype))

请务必将您想要转换的所有因素都转换为字符。

或者你可以做这样的事情,一击就杀掉所有的害虫:

newbob_char <- as.data.frame(lapply(bob[sapply(bob, is.factor)], as.character), stringsAsFactors = FALSE)
newbob_rest <- bob[!(sapply(bob, is.factor))]
newbob <- cbind(newbob_char, newbob_rest)

这样在代码中推送数据的好主意,我可以单独执行sapply部分(实际上,它更容易实现像那样),但你明白了......我没有检查过代码,因为我不在家,所以我希望它有效! =)

然而,这种方法有一个缺点......你必须在之后重新组织列,而使用transform你可以做任何你喜欢的事情,但代价是“行人风格的代码写入” ...

所以...... =)

答案 8 :(得分:6)

更新:这是一个不起作用的例子。我认为它会,但我认为stringsAsFactors选项仅适用于字符串 - 它只留下因素。

试试这个:

bob2 <- data.frame(bob, stringsAsFactors = FALSE)

一般来说,每当您遇到应该是字符的因素时,都会有stringsAsFactors设置帮助您(包括全局设置)。

答案 9 :(得分:5)

在数据框的开头包含stringsAsFactors = FALSE以忽略所有误解。

答案 10 :(得分:3)

如果您使用data.table包进行data.frame上的操作,则问题不存在。

library(data.table)
dt = data.table(col1 = c("a","b","c"), col2 = 1:3)
sapply(dt, class)
#       col1        col2 
#"character"   "integer" 

如果您的数据集中已有因子列,并且您想将它们转换为字符,则可以执行以下操作。

library(data.table)
dt = data.table(col1 = factor(c("a","b","c")), col2 = 1:3)
sapply(dt, class)
#     col1      col2 
# "factor" "integer" 
upd.cols = sapply(dt, is.factor)
dt[, names(dt)[upd.cols] := lapply(.SD, as.character), .SDcols = upd.cols]
sapply(dt, class)
#       col1        col2 
#"character"   "integer" 

答案 11 :(得分:2)

这对我有用 - 我终于找到了一个班轮

df <- as.data.frame(lapply(df,function (y) if(class(y)=="factor" ) as.character(y) else y),stringsAsFactors=F)

答案 12 :(得分:2)

也许是一个较新的选择?

library("tidyverse")

bob <- bob %>% group_by_if(is.factor, as.character)

答案 13 :(得分:2)

这个功能可以解决这个问题

df <- stacomirtools::killfactor(df)

答案 14 :(得分:1)

您应在convert中使用hablar,以提供与tidyverse管道兼容的可读语法:

library(dplyr)
library(hablar)

df <- tibble(a = factor(c(1, 2, 3, 4)),
             b = factor(c(5, 6, 7, 8)))

df %>% convert(chr(a:b))

为您提供:

  a     b    
  <chr> <chr>
1 1     5    
2 2     6    
3 3     7    
4 4     8   

答案 15 :(得分:1)

在装入dplyr软件包的情况下使用

bob=bob%>%mutate_at("phenotype", as.character)

如果您只想专门更改phenotype列。

答案 16 :(得分:0)

这可以将所有字符转换为字符,然后将数字转换为数字:

makenumcols<-function(df){
  df<-as.data.frame(df)
  df[] <- lapply(df, as.character)
  cond <- apply(df, 2, function(x) {
    x <- x[!is.na(x)]
    all(suppressWarnings(!is.na(as.numeric(x))))
  })
  numeric_cols <- names(df)[cond]
  df[,numeric_cols] <- sapply(df[,numeric_cols], as.numeric)
  return(df)
}

改编自:Get column types of excel sheet automatically

答案 17 :(得分:0)

dplyr version 1.0.0中引入了新功能“ across”。新函数将取代作用域变量(_if,_at,_all)。这是官方的documentation

library(dplyr)
bob <- bob %>% 
       mutate(across(where(is.factor), as.character))