R帮助将非数字列转换为数字答案

【问题标题】：R help converting non numeric column to numericR帮助将非数字列转换为数字
【发布时间】：2018-10-21 07:08:59
【问题描述】：

我正试图帮助我的朋友销售总监了解他记录的通话数据。他特别感兴趣的一栏是“性格”。此列具有字符串值，我正在尝试将它们转换为数值（即“未回答”转换为 1，“已回答”转换为 2，等等）并删除任何未输入值的行。我创建了数据框，用作.numeric，创建和删除了列/行等，但无济于事。我只是想运行简单的 R 代码给他一些洞察力。非常感谢任何和所有帮助。提前致谢！

附：由于存在大量敏感信息（个人电话号码和电子邮件），我不确定是否应该提供一些代码。

【问题讨论】：

我想说你应该看看?factor。否则，构建一个查找表（作为命名向量）。 this post 可能值得一读。除此之外，请提供一个可重现的示例。否则，可能很难提供帮助。如果您无法共享实际数据，您可能会将一些虚拟数据放在一起。
一些可以用来制作假数据的包：generator、wakefield、charlatan

标签： r dataframe type-conversion

【解决方案1】：

首先：您应该始终提供有代表性的样本数据；如果您的数据本质上是敏感数据，请提供模型数据。

除此之外，要将character 向量重新编码为numeric，您可以转换为factor，然后使用as.numeric。例如：

# Sample data
column <- c("Not Answered", "Answered", "Something else", "Others")

# Convert character vector to factor
column <- factor(column, levels = as.character(unique(column)))

# Convert to numeric
as.numeric(column);
#[1] 1 2 3 4

可以通过更改因子levels 的顺序来调整编号。

【讨论】：

【解决方案2】：

或者，您可以创建一个新列并使用ifelse 语句用数值填充它。为了说明，让我们假设这是您的数据框：

df <- data.frame(
  Disposition = c(rep(c("answer", "no answer", "whatever", NA),3)),
  Anything = c(rnorm(12))
)
df

   Disposition    Anything
1       answer  2.54721951
2    no answer  1.07409803
3     whatever  0.60482744
4         <NA>  2.08405038
5       answer  0.31799860
6    no answer -1.17558239
7     whatever  0.94206106
8         <NA>  0.45355501
9       answer  0.01787330
10   no answer -0.07629330
11    whatever  0.83109679
12        <NA> -0.06937357

现在您定义一个新列，例如 df$Analysis，并根据 df$Disposition 中的信息为其分配编号：

df$Analysis <- ifelse(df$Disposition=="no answer", 1,
                      ifelse(df$Disposition=="answer", 2, 3))
df

      Disposition    Anything Analysis
1       answer  2.54721951        2
2    no answer  1.07409803        1
3     whatever  0.60482744        3
4         <NA>  2.08405038       NA
5       answer  0.31799860        2
6    no answer -1.17558239        1
7     whatever  0.94206106        3
8         <NA>  0.45355501       NA
9       answer  0.01787330        2
10   no answer -0.07629330        1
11    whatever  0.83109679        3
12        <NA> -0.06937357       NA

这种方法的好处是可以保持原始信息不变。如果您现在要删除数据框中的 Na 值，请使用 na.omit。注意：这不仅会删除 df$Disposition 中的 NA 值，还会删除 any row 与 NA 在任何列中：

df_clean <- na.omit(df)
df_clean

   Disposition    Anything Analysis
1       answer  2.5472195        2
2    no answer  1.0740980        1
3     whatever  0.6048274        3
5       answer  0.3179986        2
6    no answer -1.1755824        1
7     whatever  0.9420611        3
9       answer  0.0178733        2
10   no answer -0.0762933        1
11    whatever  0.8310968        3

【讨论】：