将 data.frame 列格式从字符转换为因子答案

【问题标题】：Convert data.frame column format from character to factor将 data.frame 列格式从字符转换为因子
【发布时间】：2012-03-04 07:29:30
【问题描述】：

我想将我的 data.frame 对象 (mydf) 的某些列的格式（类）从 charactor 更改为 factor。

当我通过read.table() 函数读取文本文件时，我不想这样做。

任何帮助将不胜感激。

【问题讨论】：

mydf$myfavoritecolumn
谢谢！但我还有另一个问题。我在字符数组 col_names[] 中有每列的名称。如何使用上面的命令（mydf$col_names[i]）不起作用。
有什么方法可以自动为所有字符变量执行此操作，就像 data.frame 使用 stringsAsFactors 一样？
@EtienneLow-Décarie：只需 unclass 并在结果上使用 data.frame。

标签： r dataframe character r-faq

【解决方案1】：

您好，欢迎来到 R 的世界。

mtcars  #look at this built in data set
str(mtcars) #allows you to see the classes of the variables (all numeric)

#one approach it to index with the $ sign and the as.factor function
mtcars$am <- as.factor(mtcars$am)
#another approach
mtcars[, 'cyl'] <- as.factor(mtcars[, 'cyl'])
str(mtcars)  # now look at the classes

这也适用于字符、日期、整数和其他类

由于您是 R 新手，我建议您看看这两个网站：

R 参考手册： http://cran.r-project.org/manuals.html

R 参考卡： http://cran.r-project.org/doc/contrib/Short-refcard.pdf

【讨论】：

谢谢！但我还有另一个问题。我在字符数组 col_names[] 中有每列的名称。如何使用上述命令（mydf$col_names[i] 和 mydf[,col_names[i]] 都不起作用。）
@Rasoul, mydf[, col_names] 会这样做
参考 +1。这是基本的东西，可以问，但了解这些（和类似的）作品中投入的大量工作也很好。

【解决方案2】：

# To do it for all names
df[] <- lapply( df, factor) # the "[]" keeps the dataframe structure

# to do it for some names in a vector named 'col_names'
col_names <- names(df)
df[col_names] <- lapply(df[col_names] , factor)

解释。所有数据帧都是列表，[ 与多个值参数一起使用的结果同样是列表，因此循环列表是lapply 的任务。上面的分配将创建一组列表，函数data.frame.[<- 应该成功地插入到数据帧中，df

另一种策略是仅转换唯一项目数小于某个标准的列，例如，比行数的日志少：

cols.to.factor <- sapply( df, function(col) length(unique(col)) < log10(length(col)) )
df[ cols.to.factor] <- lapply(df[ cols.to.factor] , factor)

【讨论】：

这是一个非常好的解决方案！它还可以与列号一起使用，如果您想更改很多但不是全部，这可能特别有用。例如，col_nums
警告：如果length(col_names)==1，第一个解决方案不起作用。在这种情况下，df[,col_names] 会自动降级为向量而不是长度为 1 的列表，然后lapply 会尝试对每个条目而不是整个列进行操作。这可以通过使用df[,col_names,drop=FALSE] 来防止。
这是一个很好的观点。另一个保留列表状态的调用是使用df[col_names]。

【解决方案3】：

您可以使用dplyr::mutate_if() 将所有字符列或dplyr::mutate_at() 用于选择命名字符列转换为因子：

library(dplyr)

# all character columns to factor:
df <- mutate_if(df, is.character, as.factor)

# select character columns 'char1', 'char2', etc. to factor:
df <- mutate_at(df, vars(char1, char2), as.factor)

【讨论】：

【解决方案4】：

如果您想在加载数据后将 data.frame 中的 all 字符变量更改为因子，您可以这样做，更改为名为 dat 的 data.frame ：

character_vars <- lapply(dat, class) == "character"
dat[, character_vars] <- lapply(dat[, character_vars], as.factor)

这会创建一个向量来识别哪些列属于character 类，然后将as.factor 应用于这些列。

样本数据：

dat <- data.frame(var1 = c("a", "b"),
                  var2 = c("hi", "low"),
                  var3 = c(0, 0.1),
                  stringsAsFactors = FALSE
                  )

【讨论】：

每个字符变量到因子的完全转换通常发生在读取数据时，例如，使用stringsAsFactors = TRUE，但是当您使用read_excel() 从readxl 包，想训练一个不接受字符变量的随机森林模型。

【解决方案5】：

您可以使用的另一种简短方法是 magrittr 包中的管道 (%<>%)。它将字符列 mycolumn 转换为一个因子。

library(magrittr)

mydf$mycolumn %<>% factor

【讨论】：

请编辑更多信息。不鼓励使用纯代码和“试试这个”的答案，因为它们不包含可搜索的内容，也没有解释为什么有人应该“试试这个”。我们在这里努力成为知识的资源。
如果我想将它用于我的 df 的所有列？

【解决方案6】：

我用一个函数来做。在这种情况下，我只会将字符变量转换为因子：

for (i in 1:ncol(data)){
    if(is.character(data[,i])){
        data[,i]=factor(data[,i])
    }
}

【讨论】：

我相信你需要双括号来实际提取列并将其更改为一个因子，例如[[i]]

【解决方案7】：

除非您需要自动识别列，否则我发现这是最简单的解决方案：

df$name <- as.factor(df$name)

这使得数据框df 中的列name 成为一个因素。

【讨论】：

【解决方案8】：

您可以将across 与新的dplyr 1.0.0 一起使用

library(dplyr)

df <- mtcars 
#To turn 1 column to factor
df <- df %>% mutate(cyl = factor(cyl))

#Turn columns to factor based on their type. 
df <- df %>% mutate(across(where(is.character), factor))

#Based on the position
df <- df %>% mutate(across(c(2, 4), factor))

#Change specific columns by their name
df <- df %>% mutate(across(c(cyl, am), factor))

【讨论】：