请解释我们如何将因子变量转换为 R 中的数字

Posted 2023-02-19

【中文标题】请解释我们如何将因子变量转换为 R 中的数字

【英文标题】：Please explain working of how are we converting factor variable to numeric in R

【发布时间】：2019-04-16 16:21:18

【问题描述】：

谁能解释一下 as.numeric(levels(x))[x] 究竟是如何工作的？ 这里 x 是一个因子变量。（例如 x ） 据我所知，首先我们得到 x 的级别（这将是字符，然后我们将其更改为数字。之后发生的事情我无法得到。我知道这种表示是相同的as as.numeric(as.character(x))。

【问题讨论】：

第一个答案here看了吗？

...那么它只是使用x 值作为位置来获取相应的级别，以数字形式。你可以以as.numeric(levels(x))[c(1,1,2)] 为例，这意味着给我1st、1st（再次）和2nd 级别。如果您尝试要求不存在的东西，它将返回 NA 就像这样 as.numeric(levels(x))[c(1,1,2,6)]

@DeNovo 是的，我看到了那个帖子，但我认为这是关于如何执行转换，而不是关于它到底是如何发生的。

@AntoniosK 明白了。谢谢。

【参考方案1】：

我总是对 R 的因子感到困惑。通常，我使用 package Rfast 中的一个完美想法，函数 Rfast::ufactor。它使用其初始类型表示一个因子。

这是一个例子：

x <- rnorm(10)
fx<- Rfast::ufactor(x)
fx$levels # you can get the levels like this
fx$values # you can get the values like this

快速简单。 Rfast::ufactor 比 R 快得多，但我不会发布任何基准，因为它不适合这个问题。

【参考方案2】：

R 因子是整数向量，用作级别字符向量的索引。所以该表达式的内部部分是创建一个字符向量。外部部分是将一组值：“5”、“2”、“4”....等转换为数值。

> x<-as.factor(sample(1:5,20,replace=TRUE)) 

因子对象的存储类为整数：

> dput (x)
structure(c(4L, 2L, 3L, 4L, 5L, 2L, 2L, 2L, 1L, 2L, 4L, 2L, 1L, 
5L, 5L, 4L, 1L, 5L, 1L, 5L), .Label = c("1", "2", "3", "4", "5"
), class = "factor")

levels() 函数返回因子的.Label 属性，当因子用作索引时，它被作为整数处理：

> levels(x)[x]
 [1] "4" "2" "3" "4" "5" "2" "2" "2" "1" "2" "4" "2" "1" "5" "5" "4" "1" "5" "1" "5"

这种转换或提取方法比as.character(x) 稍快一些，但正如您所经历的，如果您还没有了解“幕后”（或“引擎盖”如果这就是你在英语世界中的称呼。）