Question

当我将一个因子转换为数字或整数时，我得到基础的水平代码，而不是数字的值。

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  0.249704354675487  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

我必须诉诸paste才能获得真正的价值观：

as.numeric(paste(f))
##  [1] 0.02486440 0.02486440 0.17968483 0.02840901 0.36364493 0.36364493
##  [7] 0.17968483 0.24970435 0.24970435 0.02486440 0.24970435 0.02840901
## [13] 0.17968483 0.02486440 0.17968483 0.36364493 0.24970435 0.36364493
## [19] 0.17968483 0.02840901

有没有更好的方法将因子转换为数字？

Answer 1

请参阅?factor的警告部分：

特别是as.numeric适用于一个因素是没有意义的，可能通过隐性强制发生。至将因子f转换为大约是它的原始数字值as.numeric(levels(f))[f]是建议稍微多一些效率比 as.numeric(as.character(f))。

关于R has similar advice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向量，速度差异将是最明显的。如果这些值大多是唯一的，那么速度就没有太大差异。但是，如果你进行转换，这个操作不太可能成为代码中的瓶颈，所以不要过于担心它。

某些时间

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

Answer 2

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 - ＆gt;数字转换。作为约书亚·乌尔里希答案的延伸，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。

Answer 3

最简单的方法是使用包varhandle

中的unfactor函数

unfactor(your_factor_variable)

这个例子可以快速启动：

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"

Answer 4

注意：此特定答案不用于将数值因子转换为数值因子，它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

Answer 5

在因子标签与原始值匹配的情况下，可能仅。我将用一个例子来解释它。

假设数据是向量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的类型为double，f的类型为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）无法恢复到只有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（＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34 ; C＆＃34;，＆＃34; D＆＃34;）和类属性＆＃34;因素＆＃34;。没什么。

> 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。

Answer 6

type.convert(f)完全是数字级别的因子是另一个基本选择。

在性能方面，它大约相当于as.numeric(as.character(f))，但不如as.numeric(levels(f))[f]快。

identical(type.convert(f), as.numeric(levels(f))[f])

[1] TRUE

也就是说，如果尚未解决矢量最初创建为因子的原因（即，它可能包含一些不能强制转换为数字的字符），则此方法将不起作用，它将返回一个因素。

levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])

[1] FALSE

Answer 7

如果有数据框，则可以使用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")))

解决方案

df %>% 
  convert(num(a, b))

给您

# 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))

导致：

# A tibble: 2 x 2
      a     b
  <int> <dbl>
1     7  1.50
2     3  6.30

Answer 8

strtoi() 如果您的因子水平是整数，则有效。

Answer 9

从我能读到的许多答案中，唯一给出的方法是根据因子的数量来扩展变量的数量。如果您的变量“ pet”的级别为“ dog”和“ cat”，则最终会得到pet_dog和pet_cat。

在我的情况下，我希望通过将因子变量转换为数字变量来保持相同数量的变量，以便可以将其应用于具有多个级别的许多变量，从而使cat = 1和dog = 0例如。

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)
}
)

Answer 10

看起来像解决方案as.numeric（levels（f））[f]不再适用于R 4.0。

替代解决方案：

factor2number <- function(x){
    data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}

factor2number(yourFactor)

Answer 11

在游戏后期，我偶然发现trimws()可以将factor(3:5)转换为c("3","4","5")。然后，您可以呼叫as.numeric()。那就是：

as.numeric(trimws(x_factor_var))

如何在不丢失信息的情况下将因子转换为整数\数字？

11 个答案: