Bagaimana cara mengkonversi faktor ke integer \ numeric tanpa kehilangan informasi?

Ketika saya mengonversi faktor menjadi numerik atau bilangan bulat, saya mendapatkan kode level yang mendasarinya, bukan nilai sebagai angka.

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

Saya harus menggunakan pasteuntuk mendapatkan nilai-nilai nyata:

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

Apakah ada cara yang lebih baik untuk mengubah faktor menjadi angka?

Lihat bagian Peringatan ?factor:

Secara khusus, as.numericditerapkan pada suatu faktor tidak ada artinya, dan dapat terjadi dengan paksaan implisit. Untuk mengubah faktor fmenjadi sekitar nilai numerik aslinya, as.numeric(levels(f))[f]disarankan dan sedikit lebih efisien daripada as.numeric(as.character(f)).

FAQ tentang R memiliki saran serupa .

Mengapa as.numeric(levels(f))[f]lebih efisien daripada as.numeric(as.character(f))?

as.numeric(as.character(f))efektif as.numeric(levels(f)[f]), sehingga Anda melakukan konversi ke numerik pada length(x)nilai, bukan pada nlevels(x)nilai. Perbedaan kecepatan akan paling jelas untuk vektor panjang dengan beberapa level. Jika sebagian besar nilai unik, tidak akan ada banyak perbedaan dalam kecepatan. Bagaimanapun Anda melakukan konversi, operasi ini tidak mungkin menjadi hambatan dalam kode Anda, jadi jangan terlalu khawatir tentang hal itu.

Beberapa pengaturan waktu

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 memiliki sejumlah fungsi kenyamanan (tanpa dokumen) untuk mengonversi faktor:

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

Tapi yang menjengkelkan, tidak ada yang menangani faktor -> konversi numerik . Sebagai perpanjangan dari jawaban Joshua Ulrich, saya akan menyarankan untuk mengatasi kelalaian ini dengan definisi fungsi idiomatik Anda sendiri:

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

Anda dapat menyimpan di awal skrip Anda, atau bahkan lebih baik di .Rprofilefile Anda .

Cara paling mudah adalah menggunakan unfactorfungsi dari paket varhandle

unfactor(your_factor_variable)

Contoh ini bisa menjadi awal yang cepat:

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"

Catatan: jawaban khusus ini bukan untuk mengonversi faktor bernilai numerik menjadi angka, melainkan untuk mengonversi faktor kategori ke angka level yang sesuai.

Setiap jawaban dalam posting ini gagal menghasilkan hasil untuk saya, NA semakin dihasilkan.

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

Apa yang berhasil untuk saya adalah ini -

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

Mungkin hanya dalam kasus ketika label faktor cocok dengan nilai asli. Saya akan menjelaskannya dengan sebuah contoh.

Anggap datanya vektor x:

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

Sekarang saya akan membuat faktor dengan empat label:

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

1) xdengan tipe ganda, fdengan tipe integer. Ini adalah kehilangan informasi pertama yang tak terhindarkan. Faktor selalu disimpan sebagai bilangan bulat.

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

2) Tidak mungkin kembali ke nilai semula (10, 20, 30, 40) hanya ftersedia. Kita dapat melihat bahwa fhanya memegang nilai integer 1, 2, 3, 4 dan dua atribut - daftar label ("A", "B", "C", "D") dan atribut kelas "faktor". Tidak ada lagi.

> 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"

Untuk mengembalikan kembali ke nilai asli kita harus mengetahui nilai level yang digunakan dalam menciptakan faktor. Dalam hal ini c(10, 20, 30, 40). Jika kita mengetahui level aslinya (dalam urutan yang benar), kita dapat kembali ke nilai semula.

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

Dan ini hanya akan berfungsi jika label telah ditentukan untuk semua nilai yang mungkin dalam data asli.

Jadi, jika Anda membutuhkan nilai-nilai asli, Anda harus menyimpannya. Kalau tidak, ada kemungkinan besar tidak akan mungkin untuk kembali kepada mereka hanya dari faktor.

Anda dapat menggunakan hablar::convertjika Anda memiliki bingkai data. Sintaksnya mudah:

Contoh df

library(hablar)
library(dplyr)

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

Larutan

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

Memberi anda:

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

Atau jika Anda ingin satu kolom menjadi bilangan bulat dan satu angka:

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

menghasilkan:

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

Sepertinya solusinya sebagai.numerik (level (f)) [f] tidak lagi berfungsi dengan R 4.0.

Solusi alternatif:

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

factor2number(yourFactor)

Dari banyak jawaban yang bisa saya baca, satu-satunya cara yang diberikan adalah memperluas jumlah variabel sesuai dengan jumlah faktor. Jika Anda memiliki variabel "pet" dengan level "dog" dan "cat", Anda akan berakhir dengan pet_dog dan pet_cat.

Dalam kasus saya, saya ingin tetap dengan jumlah variabel yang sama, dengan hanya menerjemahkan variabel faktor ke variabel numerik, dengan cara yang dapat diterapkan ke banyak variabel dengan banyak level, sehingga cat = 1 dan dog = 0 misalnya.

Silakan temukan solusi yang sesuai di bawah ini:

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)
}
)

terlambat ke permainan, secara tidak sengaja, saya menemukan trimws()dapat mengkonversi factor(3:5)ke c("3","4","5"). Maka Anda bisa menelepon as.numeric(). Itu adalah:

as.numeric(trimws(x_factor_var))