Jak przekonwertować czynnik na liczbę całkowitą\liczbową bez utraty informacji?
Kiedy przekonwertuję czynnik na liczbę lub liczbę całkowitą, otrzymuję podstawowe kody poziomów, a nie wartości jako liczby.
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
Muszę uciekać się do paste
, aby uzyskać prawdziwe wartości:
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
Czy istnieje lepszy sposób na konwersję współczynnika na liczbę?
10 answers
Zobacz sekcję Ostrzeżenie?factor
:
W szczególności,
as.numeric
stosuje się do czynnik jest bez znaczenia i może stało się to pod przymusem. Na przekształć czynnikf
na w przybliżeniu jego oryginalna liczba wartości,as.numeric(levels(f))[f]
jest polecam i trochę więcej wydajny niżas.numeric(as.character(f))
.
FAQ na temat R ma podobne porady.
Dlaczego as.numeric(levels(f))[f]
jest bardziej skuteczny niż as.numeric(as.character(f))
?
as.numeric(as.character(f))
jest skutecznie as.numeric(levels(f)[f])
, więc wykonujesz konwersję na wartości liczbowe na wartościach length(x)
, a nie na wartościach nlevels(x)
. Różnica prędkości będzie najbardziej widoczna dla długich wektorów o kilku poziomach. Jeśli wartości są w większości unikalne, nie będzie dużej różnicy w prędkości. Jakkolwiek wykonasz konwersję, Ta operacja prawdopodobnie nie będzie wąskim gardłem w Twoim kodzie, więc nie martw się o to zbytnio.
Niektóre terminy
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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-01-17 07:51:48
R ma szereg (nieudokumentowanych) funkcji wygodnych do przeliczania współczynników:
as.character.factor
as.data.frame.factor
as.Date.factor
as.list.factor
as.vector.factor
- ...
Ale nie ma co obsługiwać konwersji factor - > numeric. Jako rozszerzenie odpowiedzi Joshuy Ulricha, sugerowałbym przezwyciężenie tego pominięcia za pomocą definicji własnej funkcji idiomatycznej: {]}
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
, które można przechowywać na początku twój scenariusz, a nawet lepiej w Twoim .Rprofile
plik.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2014-06-04 18:19:53
Najprostszym sposobem byłoby użycie unfactor
funkcji z pakietu varhandle, która może przyjmować wektor czynnika lub nawet ramkę danych :
unfactor(your_factor_variable)
Ten przykład może być szybki start:
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"
Można go również użyć na ramce danych. Na przykład zbiór danych iris
:
sapply(iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "factor"
# load the package
library("varhandle")
# pass the iris to unfactor
tmp_iris <- unfactor(iris)
# check the classes of the columns
sapply(tmp_iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "character"
# check if the last column is correctly converted
tmp_iris$Species
[1] "setosa" "setosa" "setosa" "setosa" "setosa" [6] "setosa" "setosa" "setosa" "setosa" "setosa" [11] "setosa" "setosa" "setosa" "setosa" "setosa" [16] "setosa" "setosa" "setosa" "setosa" "setosa" [21] "setosa" "setosa" "setosa" "setosa" "setosa" [26] "setosa" "setosa" "setosa" "setosa" "setosa" [31] "setosa" "setosa" "setosa" "setosa" "setosa" [36] "setosa" "setosa" "setosa" "setosa" "setosa" [41] "setosa" "setosa" "setosa" "setosa" "setosa" [46] "setosa" "setosa" "setosa" "setosa" "setosa" [51] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [56] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [61] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [66] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [71] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [76] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [81] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [86] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [91] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [96] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [101] "virginica" "virginica" "virginica" "virginica" "virginica" [106] "virginica" "virginica" "virginica" "virginica" "virginica" [111] "virginica" "virginica" "virginica" "virginica" "virginica" [116] "virginica" "virginica" "virginica" "virginica" "virginica" [121] "virginica" "virginica" "virginica" "virginica" "virginica" [126] "virginica" "virginica" "virginica" "virginica" "virginica" [131] "virginica" "virginica" "virginica" "virginica" "virginica" [136] "virginica" "virginica" "virginica" "virginica" "virginica" [141] "virginica" "virginica" "virginica" "virginica" "virginica" [146] "virginica" "virginica" "virginica" "virginica" "virginica"
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2021-02-03 12:58:27
Uwaga: Ta konkretna odpowiedź to nie do konwersji współczynników liczbowych na liczby, jest to konwersja współczynników kategorycznych na odpowiadające im liczby poziomów.
Każda odpowiedź w tym poście nie generowała dla mnie wyników, NAs były generowane.
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
To, co dla mnie zadziałało, to ...
as.integer(y2)
# [1] 1 2 3 4 1
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-03-03 21:54:56
Jest to możliwe tylko W przypadku, gdy etykiety czynników odpowiadają pierwotnym wartościom. Wyjaśnię to na przykładzie.
Załóżmy, że dane są wektorowe x
:
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
Teraz stworzę czynnik z czterema etykietami:
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
1) x
jest z typem double, {[7] } jest z typem integer. Jest to pierwsza nieunikniona utrata informacji. Czynniki są zawsze przechowywane jako liczby całkowite.
> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
2) nie jest możliwe przywrócenie oryginalnych wartości (10, 20, 30, 40) mając tylko f
dostępne. Widzimy, że f
posiada tylko wartości całkowite 1, 2, 3, 4 i dwa atrybuty - listę etykiet ("A", "B", "C", "D") oraz atrybut klasy "factor". Nic więcej.
> 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"
Aby powrócić do oryginalnych wartości musimy znać wartości poziomów używanych w tworzeniu czynnika. W tym przypadku c(10, 20, 30, 40)
. Jeśli znamy oryginalne poziomy (we właściwej kolejności), możemy powrócić do oryginalnych wartości.
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
I to będzie działać tylko w przypadku, gdy etykiety zostały zdefiniowane dla wszystkich możliwych wartości w oryginalnych danych.
Więc jeśli potrzebujesz oryginalnych wartości, musisz je zachować. W przeciwnym razie istnieje duża szansa, że nie będzie można wrócić do nich tylko z czynnika.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-10-09 12:34:35
Możesz użyć hablar::convert
Jeśli masz ramkę danych. Składnia jest prosta:
Próbka DF
library(hablar)
library(dplyr)
df <- dplyr::tibble(a = as.factor(c("7", "3")),
b = as.factor(c("1.5", "6.3")))
Rozwiązanie
df %>%
convert(num(a, b))
Daje:
# A tibble: 2 x 2
a b
<dbl> <dbl>
1 7. 1.50
2 3. 6.30
Lub jeśli chcesz, aby jedna kolumna była liczbą całkowitą i jedną liczbową:
df %>%
convert(int(a),
num(b))
Wyniki w:
# A tibble: 2 x 2
a b
<int> <dbl>
1 7 1.50
2 3 6.30
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-11-01 10:05:27
Późno do gry, przypadkowo znalazłem trimws()
można przekształcić factor(3:5)
do c("3","4","5")
. Wtedy możesz zadzwonić as.numeric()
. Czyli:
as.numeric(trimws(x_factor_var))
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-11-13 02:37:04
type.convert(f)
na czynnik, którego poziomy są całkowicie numeryczne, jest inną opcją podstawową.
Pod względem wydajności jest to odpowiednik as.numeric(as.character(f))
, ale nie tak szybki jak as.numeric(levels(f))[f]
.
identical(type.convert(f), as.numeric(levels(f))[f])
[1] TRUE
To powiedziawszy, jeśli powód, dla którego wektor został utworzony jako czynnik w pierwszej instancji, nie został rozwiązany (tzn. prawdopodobnie zawierał znaki, których nie można było zmusić do numerycznego), to takie podejście nie zadziała i zwróci czynnik.
levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])
[1] FALSE
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-06-17 05:47:01
Z wielu odpowiedzi, które mogłem przeczytać, jedynym sposobem było rozszerzenie liczby zmiennych w zależności od liczby czynników. Jeśli masz zmienną " pet "z poziomami" dog " i "cat", skończysz z pet_dog i pet_cat.
W moim przypadku chciałem pozostać przy tej samej liczbie zmiennych, po prostu tłumacząc zmienną czynnika na liczbową, w sposób, który może być stosowany do wielu zmiennych o wielu poziomach, tak że kot=1 i pies=0 Na przykład.
Proszę znaleźć odpowiednie rozwiązanie poniżej:
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)
}
)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-11-27 19:04:05
Wygląda na rozwiązanie jako.numeric(levels (f))[f] nie działa już z R 4.0.
Alternatywne rozwiązanie:
factor2number <- function(x){
data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}
factor2number(yourFactor)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-05-24 16:38:36