提问



当我将因子转换为数字或整数时,我得到基础级别代码,而不是值作为数字。


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


我不得不诉诸paste来获得真正的价值观:


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?

最佳参考


?factor的警告部分:[39]



  特别是,as.numeric适用于
  一个因素毫无意义,而且可能
  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
  价值,as.numeric(levels(f))[f]
  建议稍微多一些
  效率比
  as.numeric(as.character(f))



关于R的FAQ有类似的建议。[40]





为什么as.numeric(levels(f))[f]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矢量,速度差异将是最明显的。如果这些值大多是唯一的,那么速度就不会有太大差异。但是你进行转换,这个操作不太可能是代码中的瓶颈,所以不要太担心它。





一些时间


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

其它参考1


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子 - >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疏漏:


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。[41]

其它参考2


最简单的方法是使用包varhandle [42]中的unfactor函数


unfactor(your_factor_variable)


这个例子可以快速入门:


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"

其它参考3


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


注意:此特定答案不用于将数值因子转换为数值,它用于将分类因子转换为相应的级别数。

其它参考4


在因子标签与原始值匹配的情况下,可能。我将用一个例子来解释它。


假设数据是vector 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的类型为整数。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(A,B,C,D)和类属性因子。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。