Jak przekonwertować czynnik na liczbę całkowitą\liczbową bez utraty informacji?

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.

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"

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

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.

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

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))

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

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)
}
)

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)