R - 将因子更改为具有特定映射的数字答案

【问题标题】：R - changing factors to numerics with specific mappingsR - 将因子更改为具有特定映射的数字
【发布时间】：2014-03-30 04:29:16
【问题描述】：

假设我读过一个数据框，其中一列包含字符串作为因子。我想将因子转换为数字，但要使用特定映射。这种转换通常是稍后计算的前导步骤。例如：

> library(rpart)

> head(car90["Type"])
                 Type
Acura Integra   Small
Acura Legend   Medium
Audi 100       Medium
Audi 80       Compact
BMW 325i      Compact
BMW 535i       Medium

> summary(car90$Type)
Compact   Large  Medium   Small  Sporty     Van    NA's 
     19       7      26      22      21      10       6

在 car90$Type 列中，我想将“Compact”设置为 -10，“Large”设置为 -1，“Medium”设置为 0，“Small”设置为 1，“Sporty”设置为10 和 'Van' 为 20，其中数字是数字，而不是因子。我该怎么做？

我已经查看了相关问题，但没有一个提供解决方案。

Replace specific column "words" into number or blank

Changing column names of a data frame in R

Replace contents of factor column in R dataframe

Convert factor to integer

【问题讨论】：

标签： r dataframe

【解决方案1】：

我只会使用向量下标；这是一个例子：

R>a <- as.factor(c("C", "L", "M", "L", "C"))
R>a
[1] C L M L C
Levels: C L M
R>b <- c(C=-10,L=-1,M=0)
R>b
  C   L   M 
-10  -1   0 
R>
R>b[a]
  C   L   M   L   C 
-10  -1   0  -1 -10 
R>

【讨论】：

【解决方案2】：

你可以试试这个

x <- c('Compact', 'Large', 'Medium', 'Small', 'Sporty', 'Van') 
y <-  factor(x, levels = c('Compact', 'Large', 'Medium', 'Small', 'Sporty', 'Van'), 
    labels = c(-10, -1, 0, 1, 10, 20))
as.numeric(as.character(y))


[1] -10  -1   0   1  10  20

对于您的情况，您可以致电：

car90$Type <-  factor(car90$Type, levels = c('Compact', 'Large', 'Medium', 'Small', 'Sporty', 'Van'), 
    labels = c(-10, -1, 0, 1, 10, 20))
car90$Type <-  as.numeric(as.character(car90$Type))

【讨论】：

我仍然需要将其保存回数据框中，对吧？我会做car90$Type <- as.numeric(as.character(y))吗？
谢谢。但 car90$Type 已经是一个因素。有什么方法可以在第一步中只分配标签而不是将 car90$Type 设置为新因素？
我建议避免直接将标签分配给一个因素。创造一个新的因素会更安全，避免很多潜在的问题。您可能需要检查结果并调用 as.character 将因子转换为字符，然后再转换一个新因子。

【解决方案3】：

正如@NealFultz 所说，向量下标可以实现这一点。但是，您必须小心如何执行此操作：

x <- car90$Type[1:10]
#[1] Small   Medium  Medium  Compact Compact Medium  Medium  Large   Large   <NA>
#Levels: Compact Large Medium Small Sporty Van

即：

vals <- c(Compact=-10,Large=-1,Medium=0,Small=1,Sporty=10,Van=20)
vals[x]

将给出正确的结果，因为 vals 中的顺序与 x 因子中的 levels 相同：

vals[x]
#  Small  Medium  Medium Compact Compact  Medium  Medium   Large   Large    <NA> 
#      1       0       0     -10     -10       0       0      -1      -1      NA

如果你更改vals中的顺序，这将失败，例如：

vals <- c(Large=-1,Compact=-10,Medium=0,Small=1,Sporty=10,Van=20)
vals[x]
#  Small  Medium  Medium   Large   Large  Medium  Medium Compact Compact    <NA> 
#      1       0       0      -1      -1       0       0     -10     -10      NA

您可以通过将x 中的字符表示与vals 的names 进行比较而不是顺序来解决此问题，例如：

vals <- c(Large=-1,Compact=-10,Medium=0,Small=1,Sporty=10,Van=20)
vals[as.character(x)]
#  Small  Medium  Medium Compact Compact  Medium  Medium   Large   Large    <NA> 
#      1       0       0     -10     -10       0       0      -1      -1      NA

【讨论】：

【解决方案4】：

这是一个连接操作

encode <- data.frame(Type = c("Compact", "Large", "Medium", "Small", "Sporty", "Van"), TypeValue = c(-10,-1,0,1,10,20))

car90 <- merge(car90, encode, all.x = TRUE)

# or using dplyr
library(dplyr)
car90 <- left_join(car90, encode)

【讨论】：

【解决方案5】：

使用merge()，如下例所示。

首先使用您想要的值创建一个数据框。在这种情况下，你会写

 dictionary <- data.frame(Type = c('Compact', 'Large', 'Medium', 'Small', 'Sporty', 'Van'),
                     Values = c(-10, -1, 0, 1, 10, 20))

 output <- merge(car90$Type, dictionary)

重要提示：此示例未考虑 NA。如果您也想给它们一个值，则需要将其作为具有自己值的类型包含在内。否则这些行将不会成为输出的一部分。

并且生成的数据框按照您的需要进行格式化。

注意：如果列的名称完全相同会更容易，但您可以定义要与 by.x 和 by.y 一起使用的列，请查看文档以获取更多信息。

【讨论】：

【解决方案6】：

只需重置关卡：

levels(car90$Type) <- c(-10, -1, 0, 1, 10, 20)

导致（与您相同的头部/子集）：

#               Type
# Acura Integra    1
# Acura Legend     0
# Audi 100         0
# Audi 80        -10
# BMW 325i       -10
# BMW 535i         0

尽管小心，如果您打算对此进行计算，则必须as.numeric(levels(fac))[fac] 确保您计算的是数字，而不是基础因子整数值。

【讨论】：