问题描述
(ff <- factor(substring("statistics",1:10,1:10),levels = letters))
所述文档建议如下:
要将因子 f
转换为近似其原始数值,建议使用 as.numeric(levels(f))[f]
,其效率略高于 as.numeric(as.character(f))
。
但是当我在他们的例子中尝试这些时,我得到了废话:
> (ff <- factor(substring("statistics",levels = letters))
[1] s t a t i s t i c s
Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z
> ff
[1] s t a t i s t i c s
Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z
> as.numeric(levels(ff))[ff]
[1] NA NA NA NA NA NA NA NA NA NA
Warning message:
NAs introduced by coercion
> as.numeric(as.character(ff))
[1] NA NA NA NA NA NA NA NA NA NA
Warning message:
NAs introduced by coercion
我的误会在哪里?我认为 ff
因子变量没有任何异常。它肯定有潜在的数字:
> as.integer(ff)
[1] 19 20 1 20 9 19 20 9 3 19
虽然它的级别是字符,但我也不觉得有什么奇怪的 - 因子变量总是有字符的级别。
解决方法
一旦你创建了 ff 运行这个:table(ff)
,它会告诉你每个字母的频率,即使是那些不存在的字母,它们的频率相应地为 0。
现在 levels(ff)
将所有这些字母作为字符返回,将它们包裹在 as.numeric(levels(ff))
中将始终返回 NA。 as.numeric(as.character(ff))
也是如此。
我的猜测是您可能对 labels
和 levels
感到困惑。如果您运行 labels(ff)
,那么您将获得引用的数字 1 到 10。如果您使用 as.numeric()
进行转换。您将得到 10 个数字的结果。运行:as.numeric(labels(ff))
我希望这能解释您对什么感到困惑。否则请告诉我。
输出:
R>table(ff)
ff
a b c d e f g h i j k l m n o p q r
1 0 1 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0
s t u v w x y z
3 3 0 0 0 0 0 0
R>levels(ff)
[1] "a" "b" "c" "d" "e" "f" "g" "h"
[9] "i" "j" "k" "l" "m" "n" "o" "p"
[17] "q" "r" "s" "t" "u" "v" "w" "x"
[25] "y" "z"
R>labels(ff)
[1] "1" "2" "3" "4" "5" "6"
[7] "7" "8" "9" "10"
编辑:
好的,似乎 OP 在文档中的这一行有问题:
一个因素的解释取决于代码和 “级别”属性。小心只比较具有相同的因素 一组级别(以相同的顺序)。特别是,as.numeric 应用 到一个因素是没有意义的,并且可能通过隐式强制发生。到 将因子 f 转换为近似其原始数值, 推荐使用 as.numeric(levels(f))[f] ,效率稍高一些 比 as.numeric(as.character(f)).
现在上面说如果你有因子(最初是数字),不要直接将它们转换成数字,例如:
nums <- c(1,2,3,10)
new_fact <- as.factor(nums)
现在,如果我们尝试从 new_fact 获取数字并运行 as.numeric(new_fact)
,我们将得到 1,4(错误)!!!现在这是错误的,所以所有文档都说要转换为原始数字,必须执行 as.numeric(as.character(new_fact))
或 as.numeric(levels(new_fact))[new_fact]
,这两者都会返回 1 2 3 10
。我希望这会有所帮助