Как преобразовать коэффициент в целое число \ числовое без потери информации?

601

Когда я преобразую коэффициент в числовое или целое число, я получаю коды базового уровня, а не значения в виде чисел.

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

Я должен прибегнуть pasteк получению реальных ценностей:

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

Есть ли лучший способ преобразовать коэффициент в числовой?

Адам С.О.
источник
6
Уровни фактора в любом случае сохраняются как символьный тип данных ( attributes(f)), поэтому я не думаю, что с этим что-то не так as.numeric(paste(f)). Возможно, было бы лучше подумать, почему (в конкретном контексте) вы получаете фактор в первую очередь, и попытаться остановить это. Например, правильно ли задан decаргумент read.table?
CJB
Если вы используете фрейм данных, вы можете использовать конвертирование из хаблара. df %>% convert(num(column)), Или, если у вас есть фактор-вектор, который вы можете использоватьas_reliable_num(factor_vector)
davsjob

Ответы:

713

Смотрите раздел Предупреждение ?factor:

В частности, as.numericприменять к фактору бессмысленно и может произойти путем неявного принуждения. Для преобразования коэффициента fпримерно в исходные числовые значения as.numeric(levels(f))[f]рекомендуется и немного более эффективно, чем as.numeric(as.character(f)).

FAQ по R имеет аналогичные советы .


Почему as.numeric(levels(f))[f]эффективнее, чем as.numeric(as.character(f))?

as.numeric(as.character(f))эффективно as.numeric(levels(f)[f]), поэтому вы выполняете преобразование в числовые length(x)значения, а не nlevels(x)значения. Разница в скорости будет наиболее очевидной для длинных векторов с несколькими уровнями. Если значения в основном уникальны, разницы в скорости не будет. Как бы вы ни выполняли преобразование, эта операция вряд ли станет узким местом в вашем коде, поэтому не стоит сильно беспокоиться об этом.


Некоторые сроки

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
Джошуа Ульрих
источник
4
Для получения информации о времени смотрите этот ответ: stackoverflow.com/questions/6979625/…
Ари Б. Фридман,
3
Большое спасибо за ваше решение. Могу ли я спросить, почему as.numeric (уровней (f)) [f] является более точным и быстрым? Спасибо.
Сэм
7
@Sam as.character (f) требует «примитивного поиска», чтобы найти функцию as.character.factor (), которая определена как as.numeric (levels (f)) [f].
Джонатан
12
когда применяется as.numeric (уровней (f)) [f] ИЛИ as.numeric (as.character (f)), у меня появляется предупреждающее сообщение msg: Предупреждение: NA введены по принуждению. Вы знаете, где может быть проблема? благодарю вас !
Maycca
@ maycca вы преодолели эту проблему?
user08041991
91

R имеет ряд (недокументированных) удобных функций для преобразования факторов:

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

Но досадно, что нечего обрабатывать фактор -> числовое преобразование. В качестве продолжения ответа Джошуа Ульриха я бы предложил преодолеть это упущение с помощью определения вашей собственной идиоматической функции:

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

что вы можете сохранить в начале вашего скрипта, или даже лучше в вашем .Rprofileфайле.

Jealie
источник
14
Там нет ничего, чтобы обработать преобразование фактора в целое (или числовое), потому что ожидается, что as.integer(factor)возвращает базовые целочисленные коды (как показано в разделе примеров ?factor). Вероятно, можно определить эту функцию в вашей глобальной среде, но у вас могут возникнуть проблемы, если вы на самом деле зарегистрируете ее как метод S3.
Джошуа Ульрих
1
Это хороший момент, и я согласен: полное переопределение фактора -> числовое преобразование, скорее всего, испортит много вещей. Я обнаружил , что писать громоздкие factor->numericпреобразования много , прежде чем понял , что это на самом деле недостаток R: некоторые функции удобства должны быть доступны ... Вызов это as.numeric.factorимеет смысл для меня, но YMMV.
Джили
4
Если вы обнаружите, что делаете это много , то вам следует сделать что-то вверх по течению, чтобы избежать всего этого вместе.
Джошуа Ульрих
2
as.numeric.factor возвращает NA?
ДЖО.
@jO .: в тех случаях, когда вы использовали что-то вроде v=NA;as.numeric.factor(v)или v='something';as.numeric.factor(v), тогда это должно быть, иначе у вас что-то странное происходит.
Jealie
34

Самый простой способ - использовать unfactorфункцию из пакета varhandle.

unfactor(your_factor_variable)

Этот пример может быть быстрым началом:

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"
Мехрад Махмудян
источник
В unfactorфункции обращенные к типу символьных данных, а затем преобразует назад в числовой. Введите unfactorв консоли, и вы можете увидеть его в середине функции. Поэтому оно не дает лучшего решения, чем то, что уже было у автора.
CJB
Тем не менее, уровни фактора в любом случае относятся к типу символов, поэтому при таком подходе ничего не теряется.
CJB
unfactorФункция заботится о вещах , которые не могут быть преобразованы в числовой. Проверьте примеры вhelp("unfactor")
Мехрад Махмудиан
2
@Selrac Я упомянул, что эта функция доступна в пакете varhandle , то есть вы должны library("varhandle")сначала загрузить пакет ( ) (как я уже упоминал в первой строке моего ответа !!)
Мехрад Махмудян
1
@ Грегор, добавление легкой зависимости обычно не вредит, и, конечно, если вы ищете наиболее эффективный способ, написание кода, который вы сами выполняете, может выполняться быстрее. но, как вы также можете видеть в своем комментарии, это не тривиально, так как вы также ставите as.numeric()и as.character()в неправильном порядке;) То, что делает ваш фрагмент кода, это превращает индекс уровня фактора в матрицу символов, так что вы будете иметь в и является символьным вектором, который содержит несколько чисел, которые когда-то были присвоены определенному уровню вашего фактора. Функции в этом пакете предназначены для предотвращения этих недоразумений
Мехрад Махмудян
23

Примечание. Этот конкретный ответ предназначен не для преобразования числовых факторов в числовые, а для преобразования категориальных факторов в соответствующие им номера уровней.


Каждый ответ в этом посте не дал результатов для меня, NA были сгенерированы.

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

Что сработало для меня это -

as.integer(y2)
# [1] 1 2 3 4 1
Инди
источник
Вы уверены, что у вас был фактор? Посмотрите на этот пример. y<-factor(c("5","15","20","2")); unclass(y) %>% as.numericЭто возвращает 4,1,3,2, а не 5,15,20,2. Это похоже на неверную информацию.
MrFlick
Хорошо, это похоже на то, что я пытался сделать сегодня: - y2 <-фактор (c ("A", "B", "C", "D", "A")); as.numeric (level (y2)) [y2] [1] NA NA NA NA NA Предупреждающее сообщение: NA введены по принуждению, тогда как unclass (y2)%>% as.numeric дал мне результаты, которые мне были нужны.
Инди
4
ОК, это не тот вопрос, который был задан выше. В этом вопросе все уровни факторов являются «числовыми». В вашем случае, as.numeric(y)должно было работать просто отлично, не нужно unclass(). Но опять же, это не то, о чем этот вопрос. Этот ответ не подходит здесь.
MrFlick
3
Ну, я действительно надеюсь, что это поможет тому, кто спешил, как я, и прочитал только название!
Инди
1
Если у вас есть символы, представляющие целые числа как факторы, я бы порекомендовал это. это единственный, который работал на меня.
цель
9

Это возможно только в том случае, если метки фактора соответствуют исходным значениям. Я объясню это на примере.

Предположим, данные являются векторными x:

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

Теперь я создам фактор с четырьмя метками:

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

1) xс типом double, fс типом integer. Это первая неизбежная потеря информации. Факторы всегда хранятся в виде целых чисел.

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

2) Невозможно вернуться к исходным значениям (10, 20, 30, 40), имеющим только fдоступные. Видно, что fсодержит только целые значения 1, 2, 3, 4 и два атрибута - список меток («A», «B», «C», «D») и атрибут класса «factor». Ничего больше.

> 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"

Чтобы вернуться к исходным значениям, мы должны знать значения уровней, используемых при создании фактора. В этом случае c(10, 20, 30, 40). Если мы знаем исходные уровни (в правильном порядке), мы можем вернуться к исходным значениям.

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

И это будет работать только в том случае, если метки были определены для всех возможных значений в исходных данных.

Поэтому, если вам понадобятся исходные значения, вы должны их сохранить. В противном случае есть большая вероятность, что вернуться к ним будет невозможно только из-за фактора.

djhurio
источник
2

Вы можете использовать, hablar::convertесли у вас есть фрейм данных. Синтаксис прост:

Образец df

library(hablar)
library(dplyr)

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

Решение

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

дает тебе:

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

Или, если вы хотите, чтобы один столбец был целым, а другой - числовым:

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

результаты в:

# A tibble: 2 x 2
      a     b
  <int> <dbl>
1     7  1.50
2     3  6.30
davsjob
источник
0

Похоже, решение as.numeric (уровней (f)) [f] больше не работает с R 4.0.

Альтернативное решение:

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

factor2number(yourFactor)
Life_Searching_Steps
источник
-1

Из многих ответов, которые я мог прочитать, единственным способом было увеличить количество переменных в соответствии с количеством факторов. Если у вас есть переменная «домашнее животное» с уровнями «собака» и «кошка», вы в конечном итоге получите pet_dog и pet_cat.

В моем случае я хотел остаться с тем же числом переменных, просто переводя факторную переменную в числовую, таким образом, чтобы ее можно было применить ко многим переменным со многими уровнями, например, для cat = 1 и dog = 0.

Пожалуйста, найдите соответствующее решение ниже:

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)
}
)
Ксавье Прудент
источник
-2

поздно к игре, случайно, я нашел, trimws()может преобразовать factor(3:5)в c("3","4","5"). Тогда вы можете позвонить as.numeric(). Это:

as.numeric(trimws(x_factor_var))
Джерри Т
источник
3
Есть ли причина, по которой вы бы порекомендовали использовать trimwsболее, as.characterкак описано в принятом ответе? Мне кажется, что если у вас фактически нет пробела, который вам нужно было удалить, trimwsпросто сделайте кучу ненужной работы с регулярными выражениями, чтобы вернуть тот же результат.
MrFlick
as.numeric (уровней (f)) [f] может быть немного запутанным и трудно запоминающимся для начинающих. триммеры не причиняют вреда.
Джерри Т