如何在不丢失信息的情况下将因子转换为整数\数字？

当我将因子转换为数字或整数时，我得到的是底层的级别代码，而不是数值。

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

我必须求助于paste获得真正的价值：

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

有没有更好的方法可以将因子转换为数值？

请参阅以下内容的“警告”部分?factor：

特别地，as.numeric应用于一个因子是没有意义的，并且可能通过隐式强制而发生。建议将因子转换f为近似于其原始数值，as.numeric(levels(f))[f]并且比效率更高 as.numeric(as.character(f))。

关于R的FAQ 也有类似的建议。

为什么as.numeric(levels(f))[f]比这更有效as.numeric(as.character(f))？

as.numeric(as.character(f))是有效的as.numeric(levels(f)[f])，因此您正在执行到length(x)值（而不是nlevels(x)值）的数字转换。对于水平少的长矢量，速度差异最为明显。如果这些值大多是唯一的，则速度不会有太大差异。无论您进行转换，此操作都不太可能成为代码中的瓶颈，因此不必担心太多。

一些时机

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

R具有许多（未记录）便利函数，用于转换因子：

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

但是令人烦恼的是，没有什么要处理的因素->数字转换。作为约书亚·乌尔里希（Joshua Ulrich）答案的延伸，我建议通过定义自己的惯用函数来克服这一遗漏：

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

您可以将其存储在脚本的开头，甚至可以存储在.Rprofile文件中。

最简单的方法是使用unfactor包varhandle中的函数

unfactor(your_factor_variable)

这个例子可以快速入门：

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"

注意：此特定答案不是用于将数值因子转换为数值，而是用于将分类因子转换为其相应的级别编号。

帖子中的每个答案都无法为我生成结果，正在生成NA。

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

对我有用的是-

as.integer(y2)
# [1] 1 2 3 4 1

仅在因子标签与原始值匹配的情况下才有可能。我将用一个例子来解释。

假设数据是向量x：

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

现在，我将创建一个带有四个标签的因子：

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

1）x是double类型，f是integer类型。这是第一个不可避免的信息丢失。因子始终存储为整数。

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

2）无法恢复为只有原始值（10、20、30、40）f。我们可以看到，f仅包含整数值1、2、3、4和两个属性-标签列表（“ A”，“ B”，“ C”，“ D”）和类属性“ factor”。而已。

> 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"

为了恢复到原始值，我们必须知道用于创建因子的水平值。在这种情况下c(10, 20, 30, 40)。如果我们知道原始级别（以正确的顺序），则可以恢复为原始值。

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

只有在为原始数据中的所有可能值定义了标签的情况下，这才起作用。

因此，如果您需要原始值，则必须保留它们。否则，很有可能仅凭一个因素就无法与他们联系。

hablar::convert如果有数据框，则可以使用。语法很简单：

样本df

library(hablar)
library(dplyr)

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

解

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

给你：

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

或者，如果您希望一列为整数和一数字：

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

结果是：

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

看起来解决方案as.numeric（levels（f））[f]不再适用于R 4.0。

替代解决方案：

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

factor2number(yourFactor)

从我能读到的许多答案中，唯一给出的方法是根据因素的数量来扩展变量的数量。如果您的变量“ pet”的级别为“ dog”和“ cat”，则最终会得到pet_dog和pet_cat。

在我的情况下，我希望通过将因子变量转换为数字变量而保持相同数量的变量，这种方式可以应用于具有多个级别的许多变量，例如cat = 1和dog = 0。

请在下面找到相应的解决方案：

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)
}
)

到游戏后期，我偶然发现trimws()可以转换factor(3:5)为c("3","4","5")。然后，您可以致电as.numeric()。那是：

as.numeric(trimws(x_factor_var))