如何在不丟失信息的狀況下將因子轉換爲整數\\數字？

當我將因子轉換爲數字或整數時，我獲得的是底層的級別代碼，而不是數值。

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

我必須求助於paste以得到真實的價值：

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

有沒有更好的方法能夠將因子轉換爲數值？

---

#1樓

R具備許多（未記錄）便利函數，用於轉換因子：

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

可是使人煩惱的是，沒有什麼要處理的因素->數字轉換。 做爲約書亞·烏爾裏希（Joshua Ulrich）答案的延伸，我建議經過定義本身的慣用函數來克服這一遺漏：

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

您能夠將其存儲在腳本的開頭，甚至能夠存儲在.Rprofile文件中。

---

#2樓

僅在因子標籤與原始值匹配的狀況下纔有可能。 我將用一個例子來解釋。

假設數據是向量x ：

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

如今，我將建立一個帶有四個標籤的因子：

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

1） x是double類型， f是integer類型。 這是第一個不可避免的信息丟失。 因子始終存儲爲整數。

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

2）不可能恢復爲只有f可用的原始值（十、20、30、40）。 咱們能夠看到f僅包含整數值一、二、三、4和兩個屬性-標籤列表（「 A」，「 B」，「 C」，「 D」）和類屬性「 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"

爲了恢復到原始值，咱們必須知道用於建立因子的水平值。 在這種狀況下c(10, 20, 30, 40) 。 若是咱們知道原始級別（以正確的順序），則能夠恢復爲原始值。

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

只有在爲原始數據中的全部可能值定義了標籤的狀況下，這才起做用。

所以，若是您須要原始值，則必須保留它們。 不然，頗有可能僅憑一個因素就沒法與他們聯繫。

---

#3樓

最簡單的方法是使用包varhandle中的 unfactor函數

unfactor(your_factor_variable)

這個例子能夠快速入門：

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"

---

#4樓

請參閱?factor的警告部分：

特別是， as.numeric施加到一個因素是沒有意義的，而且能夠經過隱式強制發生。 爲了將因子f轉換爲近似於其原始數值，建議使用as.numeric(levels(f))[f]其效率要比as.numeric(as.character(f)) 。

關於R的FAQ 也有相似的建議 。

---

爲何as.numeric(levels(f))[f]比as.numeric(as.character(f))更有效？

as.numeric(as.character(f))其實是as.numeric(levels(f)[f]) ，所以您正在執行對length(x)值而不是nlevels(x)值的數字轉換。 對於水平少的長矢量，速度差別最爲明顯。 若是這些值大可能是惟一的，則速度不會有太大差別。 不管您進行轉換，此操做都不大可能成爲代碼中的瓶頸，所以沒必要擔憂太多。

---

一些時機

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

---

#5樓

注意：此特定答案不是用於將數值因子轉換爲數值，而是用於將分類因子轉換爲其相應的級別編號。

---

這篇文章中的每一個答案都沒法爲我產生結果，正在產生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

對我有用的是-

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