为什么 gsub 会自动将 Factor 更改为 Character答案

【问题标题】：Why gsub automatically changes a Factor into Character为什么 gsub 会自动将 Factor 更改为 Character
【发布时间】：2020-01-29 11:58:04
【问题描述】：

在加载数据时，R 将字符串转换为因子，除非另有说明。然后，我们必须根据基础数据将因子转换为字符或数字。在数值的情况下，我们首先使用 as.character() 转换为字符串，然后在整数值的情况下将结果转换为 as.integer()。

但是在使用 gsub 从数字中清理字符时，R 会自动将清理后的字符串转换为字符。

例如：

> sal <- data.frame(name = c('abc','def','ghi','pqr'),
+                   Salary = c('$65,000','$102,000','$85,000','$72,000'))
> str(sal)
'data.frame':   4 obs. of  2 variables:
 $ name  : Factor w/ 4 levels "abc","def","ghi",..: 1 2 3 4
 $ Salary: Factor w/ 4 levels "$102,000","$65,000",..: 2 1 4 3
> sal$Salary <- gsub('\\$','',sal$Salary)
> sal$Salary <- gsub(',','',sal$Salary)
> str(sal)
'data.frame':   4 obs. of  2 variables:
 $ name  : Factor w/ 4 levels "abc","def","ghi",..: 1 2 3 4
 $ Salary: chr  "65000" "102000" "85000" "72000"
>

我们可以看到在 gsub 之后“Salary”列从 Factor 变为 Character。有人可以让我知道 gsub 是否也在这里执行 as.character() 操作？如果是这样，它不会将列转换为整数，因为所有值都是整数吗？

【问题讨论】：

标签： r gsub

【解决方案1】：

是的，gsub 执行 as.character。如果你在控制台输入gsub就可以看到函数

function (pattern, replacement, x, ignore.case = FALSE, perl = FALSE, 
fixed = FALSE, useBytes = FALSE) 
{
    if (!is.character(x)) 
        x <- as.character(x)
    .Internal(gsub(as.character(pattern), as.character(replacement), 
         x, ignore.case, perl, fixed, useBytes))
}

不，它不会直接转换为整数，因为它总是返回一个字符向量。来自?gsub

sub 和 gsub 返回一个与 x 具有相同长度和相同属性的字符向量（在可能强制转换为字符之后）。

【讨论】：

【解决方案2】：

您可以直接更改作为字符的因子的级别：

sal <- data.frame(name = c('abc','def','ghi','pqr'),
              Salary = c('$65,000','$102,000','$85,000','$72,000'))


levels(sal$Salary) <- gsub('\\$|,', '', levels(sal$Salary))
str(sal)


> 'data.frame': 4 obs. of  2 variables:
 $ name  : Factor w/ 4 levels "abc","def","ghi",..: 1 2 3 4
 $ Salary: Factor w/ 4 levels "102000","65000",..: 2 1 4 3

【讨论】：

【解决方案3】：

您似乎在问一个“为什么”的问题。在这种情况下，答案无疑是由于结果需要是字符而不是因子，因为因子的水平是属性而不是实际值。因子变量的值不是您在 str 输出中看到的值，而是从 1 开始的 inters。第一项：“65000”的值为 2，但将显示为 65000。

所以你的值是一个整数是正确的，但不是你认为的值。第二个项目的值为 1，因为它的属性级别将具有最低的词汇顺序，尽管一旦转换为数字，它最终会成为最高的数值。

【讨论】：