理解将因子强制转换为R数据帧中的字符

Question

试图弄清楚因子/数据框的强制如何在R中起作用。我试图绘制数据帧子集的箱线图。让我们一步一步看

x = rnorm(30, 1, 1)

创建具有正态分布的向量x

c = c(rep("x1",10), rep("x2",10), rep("x3",10))

创建一个字符串，以便以后用作绘制x1，x2，x3的箱图的因子

df = data.frame(x,c)

将x和c组合成一个data.frame。所以现在我们期望class df：数据框，df$x：数字，df$c：因素（因为我们将c发送到数据框中）和is.data.frame is.list上应用的df应该会向我们提供TRUE和TRUE。 （我假设所有数据框都是列表？这就是为什么我们为这两个检查获得TRUE的原因。）

以下是发生的事情。一切都好到现在。

class(df)
#[1] "data.frame"
is.data.frame(df)
#[1] TRUE
is.list(df)
#[1] TRUE
class(df$x)
#[1] "numeric"
class(df$c)
#[1] "factor"

现在，我使用x中存在的因子绘制c的分布图。所以第一个参数是x ~ c。但我只想要两个因素的箱形图：x1和x2。所以我在boxplot函数中使用了subset参数。

boxplot(x ~ c, subset=c %in% c("x1", "x2"), data=df)

This is the plot we get, notice since x3 is a factor, it is still plotted 即，我们仍然在箱图的x轴上有3个类别，尽管可以分为两类。

因此，我找到的一个解决方案是将df变量的类更改为numeric和character

class(df)<- c("numeric", "character")

boxplot(x ~ c, subset=c %in% c("x1", "x2"), data=df)

New boxplot. This is what we wanted, so it worked!, we plotted boxes for just x1 and x2, got rid of x3

但是如果我们只是运行相同的检查，我们在执行此强制操作之前运行，在所有变量上，我们得到这些输出。

有什么好玩的？

class(df)
#[1] "numeric"   "character"
is.data.frame(df)
#[1] FALSE
is.list(df)
#[1] TRUE
class(df$x)
#[1] "numeric"
class(df$c)
#[1] "factor"

检查df $ c（包含caegories x1，x2，x3的第二个变量）仍然是一个因素！

并且df不再是list（所以它曾经是一个列表吗？）

如果不改变df $ c的数据类型，那么我们通过class(df)<- c("numeric", "character")这种强制做了什么呢？

总结一下，

我对 tldr version 的问题：

• R中是否所有dataframes，lists？

• 为什么我们的箱形图在第二种情况下丢失了x3（当我们将class(df)强制转换为numeric和character时？

• 如果我们通过执行上述步骤将因素强制转换为字符，为什么仍然显示变量的类是factor？

• 为什么df在我们完成上述步骤后仍然不再是dataframe？

Answer 1

如果我们以不同的顺序提出问题，答案会更有意义。

  

是否所有数据框都列在R？

中

是。数据框是向量列表（列）。

  

为什么在我们完成上述步骤后df不再是一个列表？

它没有。它不再是数据框，因为您使用class(df)<- c("numeric", "character")更改了类。 is.list(df)仍然返回TRUE。

  

如果我们通过执行上述步骤将因素强制转换为字符，为什么仍然显示变量的类是因子？

class(df)对df对象本身进行操作，而不对列进行操作。看str(df)。因子列仍然是一个因素。 class(df)将数据框对象本身的class属性设置为向量。

  

为什么我们的boxplot在第二种情况下掉落了x3（当我们将类（df）强制转换为数字和字符时？

您通过将对象的class属性显式设置为向量c("numeric", "character")来搞乱数据框对象。很难预测这种情况的全部影响。我最好的猜测是，boxplot或绘制轴的函数以某种方式访问​​数据框的class属性。

做你真正想要的事情：

x = rnorm(30, 1, 1)
c = c(rep("x1",10), rep("x2",10), rep("x3",10))
df = data.frame(x,c)
df$c <- as.character(df$c)

或

x = rnorm(30, 1, 1)
c = c(rep("x1",10), rep("x2",10), rep("x3",10))
df = data.frame(x,c, stringsAsFactors=FALSE)

Answer 2

像这样使用droplevels：

df0 <- subset(df, c %in% c("x1", "x2"))
df0 <- transform(df0, c = droplevels(c))
levels(df0$c)
## [1] "x1" "x2"

请注意，现在c只有两个级别，而不是三个级别。

我们可以使用像这样的magrittr将其写为管道：

library(magrittr)

df %>%
   subset(c %in% c("x1", "x2")) %>%
   transform(c = droplevels(c)) %>%
   boxplot(x ~ c, data = .)