as.factor() 在數字轉換 R

Question

所以我現在正在學習 R，我從許多來源注意到，每當我們想要將數據類型轉換為數字時，我們都會使用兩個函數as.numeric()和as.factor() 。

例如，如果我想將列 Year 轉換為數字，它將是

as.numeric(as.factor(survey.data$Year))

我嘗試單獨使用as.numeric()並且它也很完美。 但我覺得我以這種方式錯過了某些東西。 我只是想知道首先轉換為 Factor ，然后轉換為 Numeric 的原因是什么？

謝謝。

Answer 1

如果你想把 Year 列轉換成數字，也許你想到的是將一個因子轉換成數字的必要過程，通過這個過程你必須先轉換成一個字符。

您可以對數據框執行相同的操作並對列進行子集化，但在這里我創建了一個簡單的示例：

#Create a factor vector called Year with 3 levels
    Year <- factor(c(2001, 2001, 2001, 2004, 2004, 2020, 2020))
    Year
    [1] 2001 2001 2001 2004 2004 2020 2020
    Levels: 2001 2004 2020 

如果您嘗試直接從一個因子轉換為一個數字，您將看到一個數字向量，但不是您的原始值，您將看到每個值匹配的級別。 例如，第一個級別2001與Year中的前三個值匹配，因此您將1 1 1視為數字向量中的前三個值：

#Incorrect: convert Year into numeric directly
    nope.Year <- as.numeric(Year)
    nope.Year
    [1] 1 1 1 2 2 3 3

要將因子正確轉換為數字並真正返回原始向量值，請先轉換為字符，然后轉換為數字，您可以使用嵌套函數執行此操作，因為 R 從最內層括號開始並向外作為操作順序：

#Correct: convert Year into a character, then into numeric
    num.Year <- as.numeric(as.character(Year))
    num.Year
    [1] 2001 2001 2001 2004 2004 2020 2020

值得注意的是，如果您使用的是舊版本的 R（4.0 之前），那么當您使用data.frame()和read.table()變體時，R 默認將您的字符串轉換為因子，除非您指定參數在這些函數中的每一個中， stringsAsFactors = FALSE 。 如果您沒有指定stringsAsFactors = FALSE ，那么您將必須經歷將您的因子轉換為字符然后轉換為數字的過程。

如果您使用的是 R 的后續版本（4.0 或更高版本），當您使用這些函數或其變體時，R 不再自動將字符串轉換為因子，因為現在默認參數是stringsAsFactors = FALSE ，我們都可以慶祝。

Answer 2

我不認為你在這里遺漏了任何東西。 要理解的主要內容是 R 如何轉換數據類型，三種常見的類型是numeric 、 character和factor 。 到目前為止（在我看來）因素是來自其他語言的最不直觀的。

我喜歡將因素視為“類別”。 它們沒有順序（與可以按字母順序排列的字符不同）。 它們是用於列出內容的抽象數據類型。 其他人可能不同意這種解釋，但這有助於我理解。

我說因素沒有順序，好吧，為了簡單起見，這是一種謊言。 事實證明， Factors 也有levels 。 級別列出了事物的順序。 假設我們有一個向量

animals <- factor(c("Rabbit", "Cat", "Dog"))

如果我們使用levels(animals)檢查它的等級，它將按順序返回"Cat" "Dog" "Rabbit" 。 這是因為我們將向量創建為字符，因此默認的“級別順序”是按字母順序排列的。

我們可以通過我不會在這里介紹的方式更改這些級別順序，但是如果您希望 Rabbit 成為第一級，則需要手動設置。 這意味着您可以為這些抽象變量創建順序。

如果我們使用

as.numeric(animals)

這將導致c(3, 1, 2) 。 那是因為 numeric 將因子轉換為指示其級別順序的整數。

如果你想轉換一個因子，說“1”到數字 1，你必須先把它轉換成一個字符，然后是一個數字。

這是因為因子和整數之間的轉換具有這種行為。 但是從因子到字符的轉換會去掉構成因子的字母。 然后從字符到數字的轉換將數字字符轉換為實際數字。

所以回到你的例子，我認為只使用as.numeric就可以了，除非你想得到代表因子水平順序的數字。