如何将整个数据框转换为数字型数据。

Question

我想将包含130多列的整个data.frame转换为数字。

我知道我需要使用as.numeric，但问题是我必须单独将这个函数应用于每个130列中的一列。我尝试将其应用于整个data.frame，但是我收到了以下错误消息：

Error: (list) object cannot be coerced to type 'double'

我该如何用相对较短的代码实现这个功能？

- MoMo

---

你从哪里获取这些数据的？你使用的接口可能有一些工具可以在上游进行转换。 - moodymudskipper

Answer 1

在基本的R语言中，我们可以做到：

df[] <- lapply(df, as.numeric)

或者

df[cols_to_convert]  <- lapply(df[cols_to_convert], as.numeric)

这是解决方案的基准测试结果（不考虑因素的影响）:

DF <- data.frame(a = 1:10000, b = letters[1:10000],
                 c = seq(as.Date("2004-01-01"), by = "week", len = 10000),
                 stringsAsFactors = TRUE)
DF <- setNames(do.call(cbind,replicate(50,DF,simplify = F)),paste0("V",1:150))

dim(DF)
# [1] 10000   150

library(dplyr)
n1tk  <- function(x) data.frame(data.matrix(x))
mm    <- function(x) {x[] <- lapply(x,as.numeric); x}
akrun <- function(x) mutate_all(x, as.numeric)
mo    <- function(x)  {for(i in 1:150){ x[, i] <- as.numeric(x[, i])}}

microbenchmark::microbenchmark(
  akrun = akrun(DF),
  n1tk  = n1tk(DF),
  mo    = mo(DF),
  mm    = mm(DF)
)

# Unit: milliseconds
#   expr      min        lq       mean    median        uq      max neval
#  akrun 152.9837 177.48150 198.292412 190.38610 206.56800 432.2679   100
#   n1tk  10.8700  14.48015  22.632782  17.43660  21.68520  89.4694   100
#     mo   9.3512  11.41880  15.313889  14.71970  17.66530  37.6390   100
#     mm   4.8294   5.91975   8.906348   7.80095  10.11335  71.2647   100

- moodymudskipper

Answer 2

dplyr中的选项

library(dplyr)
df1 %>%
   mutate_all(as.numeric)

如果列的类别是factor，则需要先转换为character，再转换为numeric。

df1 %>%
    mutate_all(funs(as.numeric(as.character(.)))

请注意，如果任何单元格中都没有 character 元素，则应在 character 列上使用 type.convert

df1 %>%
    mutate_all(funs(type.convert(as.character(.)))

---

如果效率很重要，一个选择是使用 data.table

library(data.table)
DF1 <- copy(DF) # from other post
system.time({setDT(DF1)
    for(j in seq_along(DF1)) set(DF1, i = NULL, j=j, value = as.numeric(DF1[[j]]))
  })
#   user  system elapsed 
#  0.032   0.005   0.037 

- akrun

---

为什么要使用 type.convert？它会更快吗？我通常也会使用 as.numeric(as.character(x))，但似乎最推荐的方式（为了最佳效率）是 as.numeric(levels(f))[f]，请参见 https://dev59.com/U3A75IYBdhLWcg3wOGLS。 - moodymudskipper

我知道levels路线。但是，我认为as.numeric(as.character)更容易理解。 - akrun

Answer 3

将数据框转换为数值矩阵

例如，我们有这个数据框：

DF <- data.frame(a = 1:3, b = letters[10:12],
                  c = seq(as.Date("2004-01-01"), by = "week", len = 3),
                  stringsAsFactors = TRUE)

> DF
  a b          c
1 1 j 2004-01-01
2 2 k 2004-01-08
3 3 l 2004-01-15

要将其转换为数字并作为数据框使用，您可以使用以下方法：

DF2 <- data.frame(data.matrix(DF))

> DF2
  a b     c
1 1 1 12418
2 2 2 12425
3 3 3 12432

Note: you can slice the dataframe columns in need if you want specific columns with, for example: “DF[1:3]”

- n1tk

Answer 4

谢谢n1tk，你的解决方案很有效。我最初尝试使用了这段代码：

for(i in 1:140){
  mydata[, i] <- as.numeric(mydata[, i])
}

但我认为你的解决方案更简单。

akrun，是的，我知道我们需要先将因子转换为字符，然后再转换为数字。

- MoMo

---

这实际上比n1tk的代码更快，可以在我的答案中看到基准测试。 - moodymudskipper