R：将文本（字符）转换为数据框中的整数类型答案

【问题标题】：R: Convert text (character) into integer type in a data frameR：将文本（字符）转换为数据框中的整数类型
【发布时间】：2016-08-02 16:38:50
【问题描述】：

我现在正在处理输入数据框：

Asset   Sector        Currency    MarketValue
 1       Financial       USD         100000
 2       Financial       USD         100000
...
100      Financial       USD         100000

虽然现在我想在数据框中添加一行但具有不同的扇区：

101       Energy         USD         100000

我现在正在尝试代码：

newSector        <- rep(input[95,])
newSector$Sector <- "Energy"
input            <- rbind(input,newSector)

但是，从read.csv2() 开始，扇区列被读取为整数类型，而newSector$Sector <- "Energy" 只是将单元格更改为字符类型“能量”，因此我无法将rbind 它们放在一起。 R 报告错误：“无效因子级别，NA 生成”。

我尝试执行 strtoi 和 as.integer 但它报告“强制引入的 NA”。

有人可以帮忙吗？非常感谢！

【问题讨论】：

您以不正确的方式引入新关卡。先试试levels(input$Sector) = c(levels(input$Sector), "Energy")。你确定你甚至需要这里的因素吗？
嗨皮埃尔，谢谢你告诉我这个方法。它适用于rbind 新行，但后来我发现我不应该只对新行执行rep，因为它保留了“财务”的值，而只是将名称更改为“能源”，这将不匹配我稍后使用“财务”和“能源”的相关矩阵的计算。我使用了@Uwe Block 的方法，它让我得到了我想要的结果。谢谢！

标签： r text dataframe integer read.csv

【解决方案1】：

在我看来，read.csv() 将 Sector 列作为一个因素而不是整数（或字符串，这是您所期望的）读取。 R 将因子存储为整数，这就是您收到 invalid factor level, NA generated 错误的原因。

您可以通过str(input) 并查看每一列的类来确认这一点。

几个可能的解决方案：

当您使用 read.csv() 读取原始文件时，请使用 stringsAsFactors=F 参数。这样，Sector 列出现在一个字符列中，您不会感到困惑（如果您需要进行分析，您可以随时将 Sector 转换回一个因子。
将现有的 input$Sector 转换为字符列：
```
input$Sector  <- as.character(input$Sector)
```

【讨论】：

【解决方案2】：

假设您的数据名为df，您可以尝试以这种方式添加行：

df[101,] <- c(101, "Energy", "USD", 100000)

向量包含字符和数值，但由于 R 不能有多个类的向量，它默认为字符。添加此字符向量会将所有 4 列转换为字符。您可以使用lapply 将列更改为整数：

df[c(1,4)] <- lapply(df[c(1,4)], as.integer)

编辑：如果第二列是一个因子并且添加的值不是本示例中的级别之一，则此方法将不起作用：

df <- data.frame(
  Asset=1:5,
  Sector=rep("Financial", 5),
  Currency=rep("USD",5),
  MarketValue=rep(100000,5)
)

> df[6,] <- c(101, "Energy", "USD", 100000)
Warning message:
In `[<-.factor`(`*tmp*`, iseq, value = "Energy") :
  invalid factor level, NA generated
> df
  Asset    Sector Currency MarketValue
1     1 Financial      USD       1e+05
2     2 Financial      USD       1e+05
3     3 Financial      USD       1e+05
4     4 Financial      USD       1e+05
5     5 Financial      USD       1e+05
6   101      <NA>      USD       1e+05

如果将Sector 转换为character，这将起作用

> df$Sector <- as.character(df$Sector)
> 
> df[6,] <- c(101, "Energy", "USD", 100000)
> df
  Asset    Sector Currency MarketValue
1     1 Financial      USD       1e+05
2     2 Financial      USD       1e+05
3     3 Financial      USD       1e+05
4     4 Financial      USD       1e+05
5     5 Financial      USD       1e+05
6   101    Energy      USD       1e+05

注意类：

> sapply(df, class)
      Asset      Sector    Currency MarketValue 
"character" "character"    "factor" "character"

现在lapply：

> df[c(1,4)] <- lapply(df[c(1,4)], as.integer)
> sapply(df, class)
      Asset      Sector    Currency MarketValue 
  "integer" "character"    "factor"   "integer"

除非您对数据中的因素有特殊需求，否则我建议您在 read.csv 时使用 stringsAsFactors = FALSE，如其他答案所述。

【讨论】：

你测试过这个吗？您不能以这种方式逃避因子级别定义。

【解决方案3】：

默认情况下，read.csv2 隐含参数stringsAsFactors = TRUE。因此，Sector 列和所有其他字符数据被强制转换为因子，其中因子水平由整数给出。

请尝试使用stringsAsFactors = FALSE 再次读取输入文件。

要附加一个额外的扇区，请尝试一下

newsector <- data.frame(Asset = 101, Sector = "Energy", 
                        Currency = "USD", MarketValue = 100000, 
                        stringsAsFactors = FALSE)
input <- rbind(input, newSector)

注意这里再次需要参数stringsAsFactors = FALSE，以防止强制因子。

【讨论】：

谢谢你！我没有更改read.csv2 设置，因为在其他文件中人们也在使用它。我设置了newsector <- data.frame(,stringsAsFactors = TRUE)，它很好地得到了我的最终结果。感谢您的帮助！