是否有将分类变量转换为连续变量的 R 函数？

Posted 2023-04-13

【中文标题】是否有将分类变量转换为连续变量的 R 函数？

【英文标题】：Is there an R function which converts categorical variables into continuous variables?

【发布时间】：2020-10-10 00:56:15

【问题描述】：

我的数据框格式如下：

索引：拥有的宠物数量：年龄范围

10 : 30 秒

2 : 50 秒

4 : 60 秒

6 :

9 : 70 秒

等等。本质上，年龄范围的数量是

【问题讨论】：

从字符串中搜索extract number，你会发现很多相关的问题和答案。常用方法包括stringr::str_extract_all和/或sub/gsub/gregexpr。您需要这个才能按数字对它们进行数字排序（因为字典排序可能/将失败）。

或者，如果它已经是factor 并且排序正确，那么您可以使用as.integer 来仅使用factor 中的整数索引。我们可以确定您是否提供了明确的样本数据，即dput(head(x))。

我想使用 as.numeric() 以使其连续。否则，它与离散几乎相同（如果它可以采用的唯一值是整数）。

这是完全合法的 R 代码：从数学的角度来看，从整数制作“浮点数”是非常好的，尽管你误导自己相信你的离散数据是连续的（尽管这更像是一个准确性/精度的主题）。您没有使用as.numeric 有什么原因吗？

【参考方案1】：

您可以使用as.numeric() 函数来做到这一点。使用您的数据框，我们有：

data_frame <- data.frame(
pets_owned = c("10", "2", "4","6","9"),
age_rank = c("30", "50", "60","20","70")
)

这是你的 Dataframe 的样子：

> data_frame
  pets_owned age_rank
1         10       30
2          2       50
3          4       60
4          6       20
5          9       70

检查我们拥有的age_rank列的类数据类型：

> class(data_frame$age_rank)
[1] "factor"

所以使用as.numeric():

data_frame[2]=as.numeric(data_frame$age_rank)
# update the value in the position [2] of the dataframe

这是您的数据框，年龄排名中的值为 1、2、3、4、5。

> data_frame
  pets_owned age_rank
1         10        2
2          2        3
3          4        4
4          6        1 # note that the value 1 
5          9        5 # correspond with the age of 20.

再次检查该列：

> class(data_frame$age_rank)
[1] "numeric"