R - String列被视为整数

Question

使用.csv将newdata文件读入数据框read.csv时遇到了一个非常奇怪的问题。

其中一列是＆＃34; Site＆＃34;，它应该是一个字符串：

• 当我使用View查看数据框时，我发现它包含的值包括＆＃34; www.google.com＆＃34;，＆＃34; www.facebook.com＆＃34;等
• 如果我按typeof(newdata$Site)检查列的类型，我会得到结果＆＃34;整数＆＃34;。
• 如果我使用table(newdata$Site)检查每个字符串的出现频率，并将此表写入.csv文件，我会为每个值获得一个合适的频率表，并附加其他数值（例如一列没有带数字值的名称，一列名为var1，其中包含网站字符串（例如＆＃34; www.google.com＆＃34;）和一列名为Freq的频率列。

我尝试创建一个新列，将多个值合并为一个（例如＆＃34; www.google.com＆＃34;＆＃34; www.google.co.uk＆＃34;进入＆＃34; Google＆＃34;）我使用了grepl，然后我意识到R将原始列视为字符串......

当我尝试仅通过a = newdata[,"Site"]对此列进行子集时，我就明白了 a属于类型因素 ...将其写入.csv会导致所有值的一长行....

我做错了什么????我对这些东西不熟悉，我真的不知道该怎么办......

感谢!!!

Answer 1

你已经挖了很多东西。您知道，您的列Site是一个因素，它有typeof()整数。

要避免在读取数据时将字符串编码为因子，请使用：

read.csv(..., stringsAsFactors = FALSE)

因子存储为整数，其中整数给出其级别的位置。尝试：

x <- gl(3,2,labels=letters[1:3])
#[1] a a b b c c
#Levels: a b c

typeof(x)
#[1] "integer"

levels(x)
#[1] "a" "b" "c"

levels(x)[x]   ## equivalent to "as.character(x)", but more efficient
#[1] "a" "a" "b" "b" "c" "c"