Kiedy konwertuję czynnik na numeryczny lub całkowity, otrzymuję bazowe 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 wklejania
, 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 numeryczny?
Zobacz sekcję Ostrzeżenia w ?factor
:
W szczególności,
as.numeric
zastosowany do czynnika jest bez znaczenia, i może zdarzyć się przez niejawne wymuszenie. Aby przekształcić czynnikf
na w przybliżeniu jego oryginalne wartości numeryczne wartości,as.numeric(levels(f))[f]
jest zalecane i nieco bardziej wydajny niżas.numeric(as.character(f))
.
FAQ na temat R ma podobną poradę.
**Dlaczego as.numeric(levels(f))[f]
jest bardziej efektywne niż as.numeric(as.character(f))
?
as.numeric(as.character(f))
jest efektywnie as.numeric(levels(f)[f])
, więc wykonujesz konwersję na numeryczne na length(x)
wartości, a nie na nlevels(x)
wartości. Różnica prędkości będzie najbardziej widoczna dla długich wektorów z kilkoma poziomami. Jeśli wartości są w większości unikalne, nie będzie dużej różnicy w szybkości. Jakkolwiek dokonasz konwersji, ta operacja prawdopodobnie nie będzie wąskim gardłem w twoim kodzie, więc nie przejmuj się nią zbytnio.
Niektóre czasy
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 posiada wiele (nieudokumentowanych) funkcji ułatwiających konwersję współczynników:
as.character.factor
as.data.frame.factor
as.Date.factor
as.list.factor
as.vector.factor
Ale irytujące jest to, że nie ma nic do obsługi factor -> konwersja numeryczna. Jako rozszerzenie odpowiedzi Joshua Ulrich's, sugerowałbym przezwyciężyć to przeoczenie za pomocą definicji własnej funkcji idiomatycznej:
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
którą możesz przechowywać na początku swojego skryptu, a jeszcze lepiej w swoim pliku .Rprofile
.
Jest to możliwe tylko w przypadku, gdy etykiety czynników odpowiadają oryginalnym wartościom. Wyjaśnię to na przykładzie.
Załóżmy, że dane to wektor x
:
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
Teraz utworzę czynnik z czterema etykietami:
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
x
jest typu double, f
jest typu integer. Jest to pierwsza nieunikniona utrata informacji. Czynniki są zawsze przechowywane jako liczby całkowite.> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
f
. Widzimy, że f
przechowuje tylko wartości całkowite 1, 2, 3, 4 i dwa atrybuty - listę etykiet ("A", "B", "C", "D") i 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 użytych przy tworzeniu czynnika. W tym przypadku c(10, 20, 30, 40)
. Jeśli znamy oryginalne poziomy (w prawidłowej 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 będziesz potrzebował oryginalnych wartości, musisz je zachować. W przeciwnym razie istnieje duże prawdopodobieństwo, że nie będzie można do nich wrócić tylko z czynnika.