Làm cách nào để chuyển đổi một yếu tố thành số nguyên \ số mà không mất thông tin?

Khi tôi chuyển đổi một yếu tố thành một số hoặc số nguyên, tôi nhận được các mã mức cơ bản, không phải các giá trị dưới dạng số.

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

Tôi phải dùng đến pasteđể có được những giá trị thực sự:

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

Có cách nào tốt hơn để chuyển đổi một yếu tố thành số?

Xem phần Cảnh báo của ?factor:

Cụ thể, as.numericáp dụng cho một yếu tố là vô nghĩa, và có thể xảy ra bằng cách ép buộc ngầm. Để chuyển đổi một yếu tố fthành xấp xỉ các giá trị số ban đầu của nó, as.numeric(levels(f))[f]được khuyến nghị và hiệu quả hơn một chút so với as.numeric(as.character(f)).

Câu hỏi thường gặp về R có lời khuyên tương tự .

Tại sao as.numeric(levels(f))[f]hiệu quả hơn as.numeric(as.character(f))?

as.numeric(as.character(f))là hiệu quả as.numeric(levels(f)[f]), vì vậy bạn đang thực hiện chuyển đổi thành số trên length(x)các giá trị, thay vì trên nlevels(x)các giá trị. Sự khác biệt tốc độ sẽ rõ ràng nhất đối với các vectơ dài với một vài cấp độ. Nếu các giá trị chủ yếu là duy nhất, tốc độ sẽ không có nhiều khác biệt. Tuy nhiên, bạn thực hiện chuyển đổi, thao tác này không chắc là nút cổ chai trong mã của bạn, vì vậy đừng quá lo lắng về nó.

Một số thời gian

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 có một số hàm tiện lợi (không có giấy tờ) để chuyển đổi các yếu tố:

• as.character.factor
• as.data.frame.factor
• as.Date.factor
• as.list.factor
• as.vector.factor
• ...

Nhưng thật khó chịu, không có gì để xử lý yếu tố -> chuyển đổi số . Là một phần mở rộng của câu trả lời của Joshua Ulrich, tôi sẽ đề nghị khắc phục thiếu sót này bằng định nghĩa về chức năng thành ngữ của riêng bạn:

as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}

rằng bạn có thể lưu trữ ở đầu tập lệnh của mình hoặc thậm chí tốt hơn trong .Rprofiletệp của mình .

Cách dễ nhất là sử dụng unfactorchức năng từ gói varhandle

unfactor(your_factor_variable)

Ví dụ này có thể là một khởi đầu nhanh chóng:

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"

Lưu ý: câu trả lời cụ thể này không dành cho việc chuyển đổi các yếu tố có giá trị số sang số, nó là để chuyển đổi các yếu tố phân loại thành số cấp tương ứng của chúng.

Mỗi câu trả lời trong bài đăng này không tạo ra kết quả cho tôi, NA đang được tạo.

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

Điều làm việc cho tôi là thế này -

as.integer(y2)
# [1] 1 2 3 4 1

Có thể chỉ trong trường hợp khi các nhãn yếu tố phù hợp với giá trị ban đầu. Tôi sẽ giải thích nó với một ví dụ.

Giả sử dữ liệu là vectơ x:

x <- c(20, 10, 30, 20, 10, 40, 10, 40)

Bây giờ tôi sẽ tạo một yếu tố với bốn nhãn:

f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))

1) xlà với kiểu double, flà với kiểu nguyên. Đây là mất thông tin đầu tiên không thể tránh khỏi. Các yếu tố luôn được lưu trữ dưới dạng số nguyên.

> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"

2) Không thể hoàn nguyên về các giá trị ban đầu (10, 20, 30, 40) chỉ fcó sẵn. Chúng ta có thể thấy rằng fchỉ chứa các giá trị nguyên 1, 2, 3, 4 và hai thuộc tính - danh sách các nhãn ("A", "B", "C", "D") và "yếu tố" thuộc tính lớp. Chỉ có bấy nhiêu thôi.

> 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"

Để trở lại các giá trị ban đầu, chúng ta phải biết các giá trị của các mức được sử dụng trong việc tạo ra yếu tố. Trong trường hợp này c(10, 20, 30, 40). Nếu chúng ta biết các mức ban đầu (theo đúng thứ tự), chúng ta có thể trở lại các giá trị ban đầu.

> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE

Và điều này sẽ chỉ hoạt động trong trường hợp khi nhãn đã được xác định cho tất cả các giá trị có thể có trong dữ liệu gốc.

Vì vậy, nếu bạn sẽ cần các giá trị ban đầu, bạn phải giữ chúng. Nếu không, có khả năng cao là không thể quay lại với họ chỉ từ một yếu tố.

Bạn có thể sử dụng hablar::convertnếu bạn có khung dữ liệu. Cú pháp rất dễ:

Mẫu df

library(hablar)
library(dplyr)

df <- dplyr::tibble(a = as.factor(c("7", "3")),
                    b = as.factor(c("1.5", "6.3")))

Giải pháp

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

mang đến cho bạn:

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

Hoặc nếu bạn muốn một cột là số nguyên và một số:

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

kết quả trong:

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

Có vẻ như giải pháp as.numeric (level (f)) [f] không còn hoạt động với R 4.0.

Giải pháp thay thế:

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

factor2number(yourFactor)

Từ nhiều câu trả lời tôi có thể đọc, cách duy nhất được đưa ra là mở rộng số lượng biến theo số lượng yếu tố. Nếu bạn có một "thú cưng" khác nhau với các cấp độ "chó" và "mèo", bạn sẽ kết thúc với pet_dog và pet_cat.

Trong trường hợp của tôi, tôi muốn ở cùng một số biến, chỉ bằng cách dịch biến nhân tố thành số, theo cách có thể áp dụng cho nhiều biến có nhiều cấp, ví dụ như cat = 1 và dog = 0.

Vui lòng tìm giải pháp tương ứng dưới đây:

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)
}
)

Cuối trò chơi, vô tình, tôi thấy trimws()có thể chuyển đổi factor(3:5)sang c("3","4","5"). Sau đó, bạn có thể gọi as.numeric(). Đó là:

as.numeric(trimws(x_factor_var))