如何将数据框列转换为数字类型？
Posted
技术标签:
【中文标题】如何将数据框列转换为数字类型？【英文标题】：How to convert a data frame column to numeric type? 【发布时间】：2011-01-18 07:28:01 【问题描述】：如何将数据框列转换为数值类型？
【问题讨论】：
【参考方案1】：由于（仍然）没有人得到复选标记，我假设您有一些实际问题，主要是因为您没有指定要转换为 numeric 的矢量类型。我建议你应该应用transform函数来完成你的任务。
现在我要演示某些“转换异常”：
# create dummy data.frame
d <- data.frame(char = letters[1:5],
fake_char = as.character(1:5),
fac = factor(1:5),
char_fac = factor(letters[1:5]),
num = 1:5, stringsAsFactors = FALSE)
让我们看看data.frame
> d
char fake_char fac char_fac num
1 a 1 1 a 1
2 b 2 2 b 2
3 c 3 3 c 3
4 d 4 4 d 4
5 e 5 5 e 5
让我们运行：
> sapply(d, mode)
char fake_char fac char_fac num
"character" "character" "numeric" "numeric" "numeric"
> sapply(d, class)
char fake_char fac char_fac num
"character" "character" "factor" "factor" "integer"
现在你可能会问自己“哪里有异常？” 好吧，我在 R 中遇到了一些很奇怪的东西，而这并不是 最令人困惑的东西，但这会让您感到困惑，尤其是如果您在上床睡觉之前阅读此内容。
这里是：前两列是character。我故意打电话给 2nd 一个fake_char。找出这个character 变量与Dirk 在他的回复中创建的变量的相似之处。它实际上是一个numerical 向量转换为character。第 3rd 和 4th 列是factor，最后一列是“纯”numeric。
如果您使用transform 函数，您可以将fake_char 转换为numeric，但不能转换char 变量本身。
> transform(d, char = as.numeric(char))
char fake_char fac char_fac num
1 NA 1 1 a 1
2 NA 2 2 b 2
3 NA 3 3 c 3
4 NA 4 4 d 4
5 NA 5 5 e 5
Warning message:
In eval(expr, envir, enclos) : NAs introduced by coercion
但如果你在 fake_char 和 char_fac 上做同样的事情，你会很幸运，并且没有 NA：
> transform(d, fake_char = as.numeric(fake_char),
char_fac = as.numeric(char_fac))
char fake_char fac char_fac num
1 a 1 1 1 1
2 b 2 2 2 2
3 c 3 3 3 3
4 d 4 4 4 4
5 e 5 5 5 5
如果你保存转换后的data.frame 并检查mode 和class，你会得到：
> D <- transform(d, fake_char = as.numeric(fake_char),
char_fac = as.numeric(char_fac))
> sapply(D, mode)
char fake_char fac char_fac num
"character" "numeric" "numeric" "numeric" "numeric"
> sapply(D, class)
char fake_char fac char_fac num
"character" "numeric" "factor" "numeric" "integer"
因此，结论是：是的，您可以将character 向量转换为numeric 向量，但前提是它的元素可以“转换”为numeric。 如果向量中只有一个 character 元素，则在尝试将该向量转换为 numerical 时会出错。
只是为了证明我的观点：
> err <- c(1, "b", 3, 4, "e")
> mode(err)
[1] "character"
> class(err)
[1] "character"
> char <- as.numeric(err)
Warning message:
NAs introduced by coercion
> char
[1] 1 NA 3 4 NA
现在，只是为了好玩（或练习），尝试猜测这些命令的输出：
> fac <- as.factor(err)
> fac
???
> num <- as.numeric(fac)
> num
???
向帕特里克·伯恩斯致敬！ =)
【讨论】：
'stringsAsFactors = FALSE' 对于读取数据文件很重要。 我知道这是旧的......但是......你为什么选择 transform() 而不是 df$fake_char 那么绝对不可能把err 警告！= 错误。将混合数字/字符转换为数字不会出错，但会收到警告和一些 NA 值。 我真的不明白为什么在 R 中有这么多不同的方法来转换数据类型，我们真的需要 mutate、transform、apply，而所有这些都可以通过一个简单的赋值来完成吗？ 【参考方案2】：对我有帮助的事情：如果您有一系列变量要转换（或不止一个），您可以使用 sapply。
有点荒谬，但只是举例：
data(cars)
cars[, 1:2] <- sapply(cars[, 1:2], as.factor)
假设数据框的第 3、6-15 和 37 列需要转换为数字：
dat[, c(3,6:15,37)] <- sapply(dat[, c(3,6:15,37)], as.numeric)
【讨论】：
as.factor 在上述代码中使列字符 在处理索引向量而不是变量名时，sapply 比变换更好 @MySchizoBuddy 是正确的，至少在我的数据中是正确的。原始 df 不会将“转换”列作为因素；他们将保持性格。如果您将sapply 调用包装在右侧的as.data.frame() 中，正如@Mehrad Mahmoudian 在下面建议的那样，它将起作用。
这对矩阵有用吗？我正在尝试使用完全相同的代码，但是当我检查一列的 class() 之后，它仍然显示“字符”而不是“数字”【参考方案3】：
如果x 是数据框dat 的列名，并且x 是类型因子，则使用：
as.numeric(as.character(dat$x))
【讨论】：
添加as.character 确实是我想要的。否则转换有时会出错。至少在我的情况下。
为什么需要 as.character？我收到一个错误：Error: (list) object cannot be coerced to type 'double' 尽管我有理由确定我的向量没有字符/标点符号。然后我尝试了as.numeric(as.character(dat$x))，它成功了。现在我不确定我的列是否实际上只是整数！
如果你将 as.numeric 转换为一个因子，它会将级别转换为数字而不是实际值。因此需要 as.character 首先将因子转换为字符，然后再转换为 as.numeric
这是最好的答案【参考方案4】：
我会添加评论（不能低评分）
只是添加 user276042 和 pangratz
dat$x = as.numeric(as.character(dat$x))
这将覆盖现有列 x 的值
【讨论】：
【参考方案5】：使用以下代码，您可以将所有数据框列转换为数字（X 是我们要转换它的列的数据框）：
as.data.frame(lapply(X, as.numeric))
要将整个矩阵转换为数字，您有两种方法： 要么：
mode(X) <- "numeric"
或：
X <- apply(X, 2, as.numeric)
您也可以使用data.matrix 函数将所有内容转换为数字，但请注意可能无法正确转换因子，因此首先将所有内容转换为character 更安全：
X <- sapply(X, as.character)
X <- data.matrix(X)
如果我想同时转换为矩阵和数字，我通常使用最后一个
【讨论】：
【参考方案6】：虽然您的问题完全是关于数字的，但在开始 R 时，有许多转换难以理解。我的目标是解决方法来提供帮助。这个问题类似于This Question。
类型转换在 R 中可能很麻烦，因为 (1) 因子不能直接转换为数字，它们需要首先转换为字符类，(2) 日期是您通常需要处理的特殊情况分开，并且 (3) 跨数据框列循环可能会很棘手。幸运的是，“tidyverse”已经解决了大部分问题。
此解决方案使用mutate_each() 将函数应用于数据框中的所有列。在这种情况下，我们要应用type.convert() 函数，它可以将字符串转换为数字。因为 R 喜欢因子（不知道为什么）应该保持字符的字符列被更改为因子。为了解决这个问题，mutate_if() 函数用于检测作为因子的列并更改为字符。最后，我想展示如何使用 lubridate 将字符类中的时间戳更改为日期时间，因为这通常也是初学者的难题。
library(tidyverse)
library(lubridate)
# Recreate data that needs converted to numeric, date-time, etc
data_df
#> # A tibble: 5 × 9
#> TIMESTAMP SYMBOL EX PRICE SIZE COND BID BIDSIZ OFR
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 2012-05-04 09:30:00 BAC T 7.8900 38538 F 7.89 523 7.90
#> 2 2012-05-04 09:30:01 BAC Z 7.8850 288 @ 7.88 61033 7.90
#> 3 2012-05-04 09:30:03 BAC X 7.8900 1000 @ 7.88 1974 7.89
#> 4 2012-05-04 09:30:07 BAC T 7.8900 19052 F 7.88 1058 7.89
#> 5 2012-05-04 09:30:08 BAC Y 7.8900 85053 F 7.88 108101 7.90
# Converting columns to numeric using "tidyverse"
data_df %>%
mutate_all(type.convert) %>%
mutate_if(is.factor, as.character) %>%
mutate(TIMESTAMP = as_datetime(TIMESTAMP, tz = Sys.timezone()))
#> # A tibble: 5 × 9
#> TIMESTAMP SYMBOL EX PRICE SIZE COND BID BIDSIZ OFR
#> <dttm> <chr> <chr> <dbl> <int> <chr> <dbl> <int> <dbl>
#> 1 2012-05-04 09:30:00 BAC T 7.890 38538 F 7.89 523 7.90
#> 2 2012-05-04 09:30:01 BAC Z 7.885 288 @ 7.88 61033 7.90
#> 3 2012-05-04 09:30:03 BAC X 7.890 1000 @ 7.88 1974 7.89
#> 4 2012-05-04 09:30:07 BAC T 7.890 19052 F 7.88 1058 7.89
#> 5 2012-05-04 09:30:08 BAC Y 7.890 85053 F 7.88 108101 7.90
【讨论】：
请注意，如果您使用mutate_all(type.convert, as.is=TRUE) 而不是mutate_all(type.convert)，您可以删除/避免mutate_if(is.factor, as.character) 以缩短命令。 as.is 是type.convert() 中的一个参数，指示它是否应该将字符串转换为字符或因子。默认情况下，type.convert() 中的as.is=FALSE（即，将字符串转换为因子类而不是字符类）。【参考方案7】：
如果您遇到以下问题：
as.numeric(as.character(dat$x))
看看你的小数点。如果它们是“，”而不是“。” （例如“5,3”）以上行不通。
一个潜在的解决方案是：
as.numeric(gsub(",", ".", dat$x))
我相信这在一些非英语国家很常见。
【讨论】：
【参考方案8】：Tim 是对的，Shane 有遗漏。以下是其他示例：
R> df <- data.frame(a = as.character(10:15))
R> df <- data.frame(df, num = as.numeric(df$a),
numchr = as.numeric(as.character(df$a)))
R> df
a num numchr
1 10 1 10
2 11 2 11
3 12 3 12
4 13 4 13
5 14 5 14
6 15 6 15
R> summary(df)
a num numchr
10:1 Min. :1.00 Min. :10.0
11:1 1st Qu.:2.25 1st Qu.:11.2
12:1 Median :3.50 Median :12.5
13:1 Mean :3.50 Mean :12.5
14:1 3rd Qu.:4.75 3rd Qu.:13.8
15:1 Max. :6.00 Max. :15.0
R>
我们的data.frame 现在有一个因子列（计数）的摘要和as.numeric() 的数字摘要 --- 这是错误，因为它得到了数字因子水平 --- 和as.numeric(as.character()) 的（正确）摘要。
【讨论】：
我的荣幸。这是该语言中比较愚蠢的角落之一，我认为它出现在较早的“R Gotchas”问题中。【参考方案9】：使用type.convert()和rapply()的通用方式：
convert_types <- function(x)
stopifnot(is.list(x))
x[] <- rapply(x, utils::type.convert, classes = "character",
how = "replace", as.is = TRUE)
return(x)
d <- data.frame(char = letters[1:5],
fake_char = as.character(1:5),
fac = factor(1:5),
char_fac = factor(letters[1:5]),
num = 1:5, stringsAsFactors = FALSE)
sapply(d, class)
#> char fake_char fac char_fac num
#> "character" "character" "factor" "factor" "integer"
sapply(convert_types(d), class)
#> char fake_char fac char_fac num
#> "character" "integer" "factor" "factor" "integer"
【讨论】：
这是最灵活的解决方案——值得点赞！ 应该是最佳答案。如果要将字符转换为数字或因子，只需删除as.is = TRUE
试图将 data.frame 中类型为 matrix 的列更改为数字更改 classes=matrix 错误，第一个参数必须是模式字符
这是该主题的最佳答案。【参考方案10】：
要将数据框列转换为数字，您只需执行以下操作：-
因子到数字：-
data_frame$column <- as.numeric(as.character(data_frame$column))
【讨论】：
同样，此答案不会向当前答案集添加任何内容。此外，这不是将因子转换为数字的首选方式。请参阅***.com/q/3418128 了解首选方式。 更好的答案是：sapply(data_frame,function(x) as.numeric(as.character(x)))【参考方案11】：
虽然其他人已经很好地涵盖了该主题，但我想添加这个额外的快速想法/提示。您可以使用正则表达式提前检查字符是否可能仅包含数字。
for(i in seq_along(names(df))
potential_numcol[i] <- all(!grepl("[a-zA-Z]",d[,i]))
# and now just convert only the numeric ones
d <- sapply(d[,potential_numcol],as.numeric)
要了解更复杂的正则表达式以及学习/体验其强大功能的原因，请参阅这个非常棒的网站：http://regexr.com/
【讨论】：
【参考方案12】：如果数据框有多种类型的列、一些字符、一些数字，请尝试以下操作以仅将包含数值的列转换为数字：
for (i in 1:length(data[1,]))
if(length(as.numeric(data[,i][!is.na(data[,i])])[!is.na(as.numeric(data[,i][!is.na(data[,i])]))])==0)
else
data[,i]<-as.numeric(data[,i])
【讨论】：
【参考方案13】：使用 hablar::convert
要轻松地将多列转换为不同的数据类型，您可以使用hablar::convert。简单语法：df %>% convert(num(a)) 将 a 列从 df 转换为数字。
详细示例
让我们将mtcars 的所有列转换为字符。
df <- mtcars %>% mutate_all(as.character) %>% as_tibble()
> df
# A tibble: 32 x 11
mpg cyl disp hp drat wt qsec vs am gear carb
<chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1 21 6 160 110 3.9 2.62 16.46 0 1 4 4
2 21 6 160 110 3.9 2.875 17.02 0 1 4 4
3 22.8 4 108 93 3.85 2.32 18.61 1 1 4 1
与hablar::convert:
library(hablar)
# Convert columns to integer, numeric and factor
df %>%
convert(int(cyl, vs),
num(disp:wt),
fct(gear))
结果：
# A tibble: 32 x 11
mpg cyl disp hp drat wt qsec vs am gear carb
<chr> <int> <dbl> <dbl> <dbl> <dbl> <chr> <int> <chr> <fct> <chr>
1 21 6 160 110 3.9 2.62 16.46 0 1 4 4
2 21 6 160 110 3.9 2.88 17.02 0 1 4 4
3 22.8 4 108 93 3.85 2.32 18.61 1 1 4 1
4 21.4 6 258 110 3.08 3.22 19.44 1 0 3 1
【讨论】：
【参考方案14】：考虑到可能存在字符列，这是基于Get column types of excel sheet automatically中的@Abdou@答案：
makenumcols<-function(df)
df<-as.data.frame(df)
df[] <- lapply(df, as.character)
cond <- apply(df, 2, function(x)
x <- x[!is.na(x)]
all(suppressWarnings(!is.na(as.numeric(x))))
)
numeric_cols <- names(df)[cond]
df[,numeric_cols] <- sapply(df[,numeric_cols], as.numeric)
return(df)
df<-makenumcols(df)
【讨论】：
【参考方案15】：在我的 PC (R v.3.2.3) 中，apply 或 sapply 给出错误。 lapply 效果很好。
dt[,2:4] <- lapply(dt[,2:4], function (x) as.factor(as.numeric(x)))
【讨论】：
【参考方案16】：要将字符转换为数字，您必须通过应用将其转换为因子
BankFinal1 <- transform(BankLoan, LoanApproval=as.factor(LoanApproval))
BankFinal1 <- transform(BankFinal1, LoanApp=as.factor(LoanApproval))
您必须使两列具有相同的数据，因为一列无法转换为数字。如果您进行一次转换，则会出现以下错误
transform(BankData, LoanApp=as.numeric(LoanApproval))
Warning message: In eval(substitute(list(...)), `_data`, parent.frame()) : NAs introduced by coercion
所以，在做两列相同数据后应用
BankFinal1 <- transform(BankFinal1, LoanApp = as.numeric(LoanApp),
LoanApproval = as.numeric(LoanApproval))
它将成功地将字符转换为数字
【讨论】：
【参考方案17】：df 是您的数据框。 x 是您要转换的df 列
as.numeric(factor(df$x))
【讨论】：
【参考方案18】：如果您不关心保留因子，并且想将其应用于任何可以转换为数字的列，我使用了下面的脚本。 如果 df 是您的原始数据框，您可以使用下面的脚本。
df[] <- lapply(df, as.character)
df <- data.frame(lapply(df, function(x) ifelse(!is.na(as.numeric(x)), as.numeric(x), x)))
我引用了Shane's 和Joran's 解决方案顺便说一句
【讨论】：
以上是关于如何将数据框列转换为数字类型？的主要内容，如果未能解决你的问题，请参考以下文章
如何将具有数字值的 char 数据类型的列转换为数字数据类型