R - 字符串列被视为整数

Question

我在使用read.csv 将.csv 文件读入数据框newdata 时遇到了一个非常奇怪的问题。

其中一列是“Site”，应该是字符串：

• 当我使用 View 查看数据框时，我发现它包含诸如“www.google.com”、“www.facebook.com”等值。
• 如果我检查typeof(newdata$Site) 的列类型是什么，我得到的结果是“整数”。
• 如果我使用table(newdata$Site) 检查每个字符串的出现频率，并将此表写入.csv 文件，我会为每个值得到一个适当的频率表，并带有额外的数值（例如，一列没有名称与数值，一列名为 var1 与网站字符串（例如“www.google.com”）和一列名为 Freq 与频率）。

我尝试创建一个将多个值合并为一个的新列（例如“www.google.com”和“www.google.co.uk”到“Google”），我使用了grepl，然后我意识到R 将原始列不视为字符串...

当我尝试仅通过 a = newdata[,"Site"] 对该列进行子集化时，我明白了 a 是类型因子...将其写入.csv 会导致所有值的一长行....

我做错了什么？？？我对这些东西有点陌生，我真的不知道该怎么办......

谢谢！！！

Answer 1

你已经挖了很多了。您知道您的列 Site 是一个因素，它具有 typeof() 整数。

为避免在读取数据时将字符串编码为因素，请使用：

read.csv(..., stringsAsFactors = FALSE)

---

因子存储为整数，其中整数给出了其级别的位置。试试：

x <- gl(3,2,labels=letters[1:3])
#[1] a a b b c c
#Levels: a b c

typeof(x)
#[1] "integer"

levels(x)
#[1] "a" "b" "c"

levels(x)[x]   ## equivalent to "as.character(x)", but more efficient
#[1] "a" "a" "b" "b" "c" "c"