当我把一个因子转换为数字或整数时,我得到的是底层的级别代码,而不是作为数字的值。
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
我不得不求助于 "粘贴 "来获得真正的数值。
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
是否有更好的方法将因子转换为数字?
见?因子
的警告部分。
特别是,
as.numeric
应用于 一个因子是没有意义的,并且可能 通过隐式强制发生。 为了 将一个因子f
转化为 近似于它的原始数字 值,as.numeric(level(f))[f]
是 推荐,并且比gt;效率比
as.numeric(as.character(f))`。
R的FAQ有类似的建议。
**为什么as.numeric(level(f))[f]
比as.numeric(as.character(f))
更有效率?
as.numeric(as.character(f))
实际上是as.numeric(level(f)[f])
,所以你是在length(x)
值上进行数字转换,而不是在nlevels(x)
值上。 速度上的差异对于层次少的长向量来说是最明显的。 如果数值大多是唯一的,那么速度上就不会有太大的差别。无论你如何进行转换,这个操作都不可能成为你代码中的瓶颈,所以不要太担心这个问题。
一些时间安排
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
R有一些(未记录的)方便的函数用于转换因子。
as.data.frame.factor
(数据框架系数)as.list.factor
(列表)。as.vector.factor
。但恼人的是,没有任何东西可以处理因子-> 数字的转换。作为Joshua Ulrich回答的延伸,我建议通过定义你自己的习惯性函数来克服这一遗漏。
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
你可以把它放在你的脚本的开头,或者最好放在你的.Rprofile文件中。
只有在因子标签与原始值一致的情况下,才有可能***。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)
现在我将创建一个有四个标签的因子。
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
x
的类型是双数,f
的类型是整数。这是第一个不可避免的信息损失。因数总是以整数形式存储。> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
f'可用,不可能恢复到原来的数值(10,20,30,40)。我们可以看到,
f`只持有整数值1、2、3、4和两个属性--标签列表("A", "B", "C", "D")和类属性"因子" 。仅此而已。> 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"
要恢复到原始值,我们必须知道创建因子时使用的水平值。在本例中c(10, 20, 30, 40)
。如果我们知道原始水平(顺序正确),我们就可以恢复到原始值。
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
而这只有在为原始数据中所有可能的值都定义了标签的情况下才会有效。
因此,如果你需要原始值,你必须保留它们。否则,很有可能无法从一个因素中回到它们。