Jak przekonwertować kolumnę ramki danych na typ numeryczny?

Coś, co mi pomogło: jeśli masz zakresy zmiennych do konwersji (lub tylko więcej niż jeden), możesz użyć sapply.

Trochę bezsensowne, ale tylko na przykład:

data(cars)
cars[, 1:2] <- sapply(cars[, 1:2], as.factor)

Powiedzmy, że kolumny 3, 6-15 i 37 ramki danych muszą być przekonwertowane na liczbowe:

dat[, c(3,6:15,37)] <- sapply(dat[, c(3,6:15,37)], as.numeric)

Jeśli x jest nazwą kolumny ramki danych dat, a x jest czynnikiem typu, użyj:

as.numeric(as.character(dat$x))

Dodałbym komentarz (cant niska ocena)

Wystarczy dodać na user276042 i pangratz

dat$x = as.numeric(as.character(dat$x))

To nadpisze wartości istniejącej kolumny x

Podczas gdy twoje pytanie jest ściśle numeryczne, istnieje wiele konwersji, które są trudne do zrozumienia podczas rozpoczynania R. postaram się zająć metodami, które pomogą. To pytanie jest podobne do tego pytania .

Konwersja typu może być uciążliwa w R, ponieważ (1) współczynniki nie mogą być przekonwertowane bezpośrednio na liczbę, muszą być najpierw przekonwertowane na klasę znaków, (2) daty są szczególnym przypadkiem, z którym zazwyczaj trzeba sobie poradzić osobno, oraz (3) zapętlanie kolumn ramki danych to może być trudne. Na szczęście "tidyverse" rozwiązał większość problemów.

To rozwiązanie wykorzystuje mutate_each() do zastosowania funkcji do wszystkich kolumn w ramce danych. W tym przypadku chcemy zastosować funkcję type.convert(), która zamienia ciągi znaków na liczbowe, gdzie może. Ponieważ r loves factors (Nie wiem dlaczego) kolumny znaków, które powinny pozostać znakami, zostają zmienione na factor. Aby to naprawić, funkcja mutate_if() jest używana do wykrywania kolumn, które są czynnikami i zmiany na znak. Na koniec chciałem pokazać jak lubridate może być użyty do zmiany znacznika czasu w klasie character na date-time, ponieważ często jest to blok dla początkujących.

library(tidyverse) 
library(lubridate)

# Recreate data that needs converted to numeric, date-time, etc
data_df
#> # A tibble: 5 × 9
#>             TIMESTAMP SYMBOL    EX  PRICE  SIZE  COND   BID BIDSIZ   OFR
#>                 <chr>  <chr> <chr>  <chr> <chr> <chr> <chr>  <chr> <chr>
#> 1 2012-05-04 09:30:00    BAC     T 7.8900 38538     F  7.89    523  7.90
#> 2 2012-05-04 09:30:01    BAC     Z 7.8850   288     @  7.88  61033  7.90
#> 3 2012-05-04 09:30:03    BAC     X 7.8900  1000     @  7.88   1974  7.89
#> 4 2012-05-04 09:30:07    BAC     T 7.8900 19052     F  7.88   1058  7.89
#> 5 2012-05-04 09:30:08    BAC     Y 7.8900 85053     F  7.88 108101  7.90

# Converting columns to numeric using "tidyverse"
data_df %>%
    mutate_all(type.convert) %>%
    mutate_if(is.factor, as.character) %>%
    mutate(TIMESTAMP = as_datetime(TIMESTAMP, tz = Sys.timezone()))
#> # A tibble: 5 × 9
#>             TIMESTAMP SYMBOL    EX PRICE  SIZE  COND   BID BIDSIZ   OFR
#>                <dttm>  <chr> <chr> <dbl> <int> <chr> <dbl>  <int> <dbl>
#> 1 2012-05-04 09:30:00    BAC     T 7.890 38538     F  7.89    523  7.90
#> 2 2012-05-04 09:30:01    BAC     Z 7.885   288     @  7.88  61033  7.90
#> 3 2012-05-04 09:30:03    BAC     X 7.890  1000     @  7.88   1974  7.89
#> 4 2012-05-04 09:30:07    BAC     T 7.890 19052     F  7.88   1058  7.89
#> 5 2012-05-04 09:30:08    BAC     Y 7.890 85053     F  7.88 108101  7.90

Tim ma rację, a Shane ma pominięcie. Oto dodatkowe przykłady:

R> df <- data.frame(a = as.character(10:15))
R> df <- data.frame(df, num = as.numeric(df$a), 
                        numchr = as.numeric(as.character(df$a)))
R> df
   a num numchr
1 10   1     10
2 11   2     11
3 12   3     12
4 13   4     13
5 14   5     14
6 15   6     15
R> summary(df)
  a          num           numchr    
 10:1   Min.   :1.00   Min.   :10.0  
 11:1   1st Qu.:2.25   1st Qu.:11.2  
 12:1   Median :3.50   Median :12.5  
 13:1   Mean   :3.50   Mean   :12.5  
 14:1   3rd Qu.:4.75   3rd Qu.:13.8  
 15:1   Max.   :6.00   Max.   :15.0  
R> 

Nasz data.frame ma teraz podsumowanie kolumny czynnika (liczy) i podsumowania numeryczne as.numeric() - - - co jest błędne , ponieważ ma poziomy współczynników numerycznych --- i (poprawne) podsumowanie as.numeric(as.character()).

Za pomocą poniższego kodu można przekonwertować wszystkie kolumny ramki danych na cyfry (X jest ramką danych, którą chcemy przekonwertować):

as.data.frame(lapply(X, as.numeric))

A do konwersji całej macierzy na liczbową masz dwa sposoby: Albo:

mode(X) <- "numeric"

Lub:

X <- apply(X, 2, as.numeric)

Alternatywnie możesz użyć funkcji data.matrix do konwersji wszystkiego na liczbę, chociaż pamiętaj, że czynniki mogą nie zostać przekonwertowane poprawnie, więc bezpieczniej jest najpierw przekonwertować wszystko na character:

X <- sapply(X, as.character)
X <- data.matrix(X)

Zwykle użyj tej ostatniej Jeśli chcę konwertować jednocześnie na macierz i cyfrę

Jeśli napotkasz problemy z:

as.numeric(as.character(dat$x))

Spójrz na swoje znaki dziesiętne. Jeśli są ", "zamiast"."(np. "5,3") powyższe nie zadziała.

Rozwiązaniem potencjalnym jest:

as.numeric(gsub(",", ".", dat$x))

Sposób uniwersalny za pomocą type.convert() i rapply():

convert_types <- function(x) {
    stopifnot(is.list(x))
    x[] <- rapply(x, utils::type.convert, classes = "character",
                  how = "replace", as.is = TRUE)
    return(x)
}
d <- data.frame(char = letters[1:5], 
                fake_char = as.character(1:5), 
                fac = factor(1:5), 
                char_fac = factor(letters[1:5]), 
                num = 1:5, stringsAsFactors = FALSE)
sapply(d, class)
#>        char   fake_char         fac    char_fac         num 
#> "character" "character"    "factor"    "factor"   "integer"
sapply(convert_types(d), class)
#>        char   fake_char         fac    char_fac         num 
#> "character"   "integer"    "factor"    "factor"   "integer"

Aby przekonwertować kolumnę ramki danych na numeryczną wystarczy wykonać: -

Współczynnik do liczb:-

data_frame$column <- as.numeric(as.character(data_frame$column))

Chociaż inni dość dobrze omówili ten temat, chciałbym dodać tę dodatkową szybką myśl / podpowiedź. Możesz użyć wyrażenia regularnego, aby sprawdzić z góry, czy znaki potencjalnie składają się tylko z cyfr.

for(i in seq_along(names(df)){
     potential_numcol[i] <- all(!grepl("[a-zA-Z]",d[,i]))
}
# and now just convert only the numeric ones
d <- sapply(d[,potential_numcol],as.numeric)

Dla bardziej wyrafinowanych wyrażeń regularnych i zgrabny dlaczego uczyć się/doświadczyć ich mocy zobaczyć tę naprawdę fajną stronę: http://regexr.com/

Biorąc pod uwagę, że mogą istnieć kolumny znaków, jest to oparte na @Abdou w Automatycznie pobieraj typy kolumn arkusza excel odpowiedź:

makenumcols<-function(df){
  df<-as.data.frame(df)
  df[] <- lapply(df, as.character)
  cond <- apply(df, 2, function(x) {
    x <- x[!is.na(x)]
    all(suppressWarnings(!is.na(as.numeric(x))))
  })
  numeric_cols <- names(df)[cond]
  df[,numeric_cols] <- sapply(df[,numeric_cols], as.numeric)
  return(df)
}
df<-makenumcols(df)

W moim PC (R v. 3.2.3), apply lub sapply Podaj błąd. Działa dobrze.

dt[,2:4] <- lapply(dt[,2:4], function (x) as.factor(as.numeric(x)))

Jeśli ramka danych ma wiele typów kolumn, niektóre znaki, niektóre liczby, spróbuj wykonać następujące czynności, aby przekonwertować tylko kolumny zawierające wartości liczbowe na liczbowe:

for (i in 1:length(data[1,])){
  if(length(as.numeric(data[,i][!is.na(data[,i])])[!is.na(as.numeric(data[,i][!is.na(data[,i])]))])==0){}
  else {
    data[,i]<-as.numeric(data[,i])
  }
}

Z hablar:: convert

Aby łatwo przekonwertować wiele kolumn na różne typy danych, możesz użyć hablar::convert. Prosta składnia: df %>% convert(num(a)) konwertuje kolumnę a z df na liczbową.

Szczegółowy przykład

Pozwala skonwertować wszystkie kolumny mtcars na znak.

df <- mtcars %>% mutate_all(as.character) %>% as_tibble()

> df
# A tibble: 32 x 11
   mpg   cyl   disp  hp    drat  wt    qsec  vs    am    gear  carb 
   <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
 1 21    6     160   110   3.9   2.62  16.46 0     1     4     4    
 2 21    6     160   110   3.9   2.875 17.02 0     1     4     4    
 3 22.8  4     108   93    3.85  2.32  18.61 1     1     4     1    

Z hablar::convert:

library(hablar)

# Convert columns to integer, numeric and factor
df %>% 
  convert(int(cyl, vs),
          num(disp:wt),
          fct(gear))

Wyniki w:

# A tibble: 32 x 11
   mpg     cyl  disp    hp  drat    wt qsec     vs am    gear  carb 
   <chr> <int> <dbl> <dbl> <dbl> <dbl> <chr> <int> <chr> <fct> <chr>
 1 21        6  160    110  3.9   2.62 16.46     0 1     4     4    
 2 21        6  160    110  3.9   2.88 17.02     0 1     4     4    
 3 22.8      4  108     93  3.85  2.32 18.61     1 1     4     1    
 4 21.4      6  258    110  3.08  3.22 19.44     1 0     3     1   

Aby przekonwertować znak na cyfrę, musisz przekonwertować go na współczynnik przez zastosowanie

BankFinal1 <- transform(BankLoan,   LoanApproval=as.factor(LoanApproval))
BankFinal1 <- transform(BankFinal1, LoanApp=as.factor(LoanApproval))

Musisz utworzyć dwie kolumny z tymi samymi danymi, ponieważ jedna kolumna nie może zostać przekonwertowana na liczbę. Jeśli wykonasz jedną konwersję, wyświetli się poniższy błąd

transform(BankData, LoanApp=as.numeric(LoanApproval))

Warning message:
  In eval(substitute(list(...)), `_data`, parent.frame()) :
  NAs introduced by coercion

Więc po wykonaniu dwóch kolumn tych samych danych Zastosuj

BankFinal1 <- transform(BankFinal1, LoanApp      = as.numeric(LoanApp), 
                                    LoanApproval = as.numeric(LoanApproval))

Pomyślnie przetworzy znak na cyfrę

df to twoja ramka danych. x jest kolumną df chcesz przekonwertować

as.numeric(factor(df$x))

Jeśli nie zależy ci na zachowaniu czynników i chcesz zastosować je do dowolnej kolumny, która może zostać przekonwertowana na liczbę, użyłem poniższego skryptu. jeśli df jest twoją oryginalną ramką danych, możesz użyć poniższego skryptu.

df[] <- lapply(df, as.character)
df <- data.frame(lapply(df, function(x) ifelse(!is.na(as.numeric(x)), as.numeric(x),  x)))

Odwołałem się do Shane 's i Joran' S rozwiązanie btw