评估 R 中因子的每一行答案

【问题标题】：Assess each row of a factor in R评估 R 中因子的每一行
【发布时间】：2014-11-02 07:18:38
【问题描述】：

我有一个包含 1000 行和 848 个级别的因子（即有些行是空的）。对于每一行，我想计算元素的数量（即一个元素 = 1、2 个元素 = 2、空行 = 0 等）。一种更简单的描述方式是：我想将一个因子转换为 data.frame，但我想将数据类型从因子更改为数字并保留每一行中的值。

v.m.two <- Output[,1]
v.m.two <- data.frame(v.m.two)
class(v.m.two)
[1] data.frame
class(v.m.two[1,]
[1] factor
dim(v.m.two)
[1] 1000 1
v.m.two[1,]
[1] 848 Levels: 0 1000 1002, 4875, 4082, 1952 1015, 2570, 3524 1017 1020, 1576 ... 983, 4381,
2256, 4361, 4271

有什么建议吗？

           v.m.two
1       2633, 4868
2        126, 4860
3                0
4        122, 4762
5             4256
6 2933, 2892, 2389

基本上，我想计算每一行中的值（例如，第 1 行是 2，第 2 行是 2，第 3 行是 0，等等）。

【问题讨论】：

你能显示几行v.m.two吗？您可能还想使用v.m.two <- data.frame(v.m.two, stringsAsFactors = FALSE)
“计算元素个数”是什么意思？每行只有一个值。你只想要as.numeric(as.character(v.m.two[, 1]))吗？
嘿，理查德，我在原始帖子中进行了编辑。我已经尝试过了，但它并没有按照预期的方式工作。我不确定为什么>.>
好吧，也许你想要sapply(strsplit(as.character(v.m.two[, 1]), ','), length)
嘿 jbaums，因为数据类型是一个因素，所以你是正确的，因为每一行都包含一个值。但在每一行中，都包含一个由“，”分隔的元素列表，我想计算这些值。

标签： r

【解决方案1】：

您有错误的逗号导致这些因素。试试scan

scan(text=with(v.m.two, levels(v.m.two)[v.m.two]), sep=",", what=integer())
# Read 11 items
# [1] 2633 4868  126 4860    0  122 4762 4256 2933 2892 2389

并且要计算长度并转换为数字，您还可以使用strsplit

s <- strsplit(as.character(v.m.two[[1]]), ", ")
vapply(s, length, integer(1L)) ## row 3 is actually 1 if there's a zero there
# [1] 2 2 1 2 1 3
as.numeric(do.call(c, s))
# [1] 2633 4868  126 4860    0  122 4762 4256 2933 2892 2389

【讨论】：

我收到此错误：扫描错误（文件，内容，nmax，sep，dec，quote，skip，nlines，na.strings，:scan() 预期为'一个整数'，得到'2633 ,'
因为我用的是空格而不是逗号，即将修复

【解决方案2】：

1 将因子转换为数值

如果您想将factor 列转换为numeric 并希望根据每行中的元素数来分隔列。

 library(splitstackshape)
 res <- cSplit(v.m.two, 'v.m.two', sep=",")
 res
 #    v.m.two_1 v.m.two_2 v.m.two_3
 #1:      2633      4868        NA
 #2:       126      4860        NA
 #3:         0        NA        NA
 #4:       122      4762        NA
 #5:      4256        NA        NA
 #6:      2933      2892      2389

  str(res)
  #Classes ‘data.table’ and 'data.frame':   6 obs. of  3 variables:
  #$ v.m.two_1: int  2633 126 0 122 4256 2933
  # $ v.m.two_2: int  4868 4860 NA 4762 NA 2892
  #$ v.m.two_3: int  NA NA NA NA NA 2389

如果你需要vector，你可以使用stri_split from stringi

  library(stringi)
  as.numeric(unlist(stri_split(v.m.two[,1], regex=",")))
  #[1] 2633 4868  126 4860    0  122 4762 4256 2933 2892 2389

2。计算行中的值

要计算v.m.two 的每一行中的值，您可以从上面的res 或v.m.two 进行计数。在第一个选项中，我们计算res 的每一行中NAs 的数量，然后乘以从v.m.two 的第一列是否为0 得出的逻辑索引。 TRUE 值即!=0 将得到count 而FALSE 将强制转换为0 即。 0 * value=0
```
  (v.m.two[,1]!=0)*(rowSums(!is.na(res)))
  #[1] 2 2 0 2 1 3    
```
您可以使用stringi 中的stri_count，这会很快 (counting occurrence of particular letter in vector of words in r)。如上所述，您可以使用arithmetic，即乘法，也可以使用ifelse。 regex 可以基于digits 或,。如果您使用的是,，请务必添加1。
```
  ifelse(v.m.two[,1]=0, stri_count(v.m.two[,1], regex="\\d+"), 0)
  # [1] 2 2 0 2 1 3
  #Or

  (v.m.two[,1]!=0) *stri_count(v.m.two[,1], regex="\\d+")
  #[1] 2 2 0 2 1 3
  #Or   
  (v.m.two[,1]!=0) *(stri_count(v.m.two[,1], regex=",") +1)
  #[1] 2 2 0 2 1 3
```

另一个计数选项是使用base R 中的gsub 和nchar。

  (v.m.two[,1]!=0) *( nchar(gsub("[^,]", "", v.m.two[,1]))+1)
  #[1] 2 2 0 2 1 3

数据

v.m.two <- structure(list(v.m.two = structure(c(4L, 3L, 1L, 2L, 6L, 5L), 
.Label = c("0", "122, 4762", "126, 4860", "2633, 4868", "2933, 2892, 2389",
 "4256"), class = "factor")), .Names = "v.m.two", row.names = c("1", 
"2", "3", "4", "5", "6"), class = "data.frame")

【讨论】：