一列因子上的 sum(.) 返回不正确的结果

Question

我在这里遇到了奇怪的问题。我正在使用data.table来完成一个非常常规的任务，但有一些我无法解释的问题。我已经找到了解决问题的方法，但我认为了解这里出了什么问题仍然很重要。

这段代码会将数据导入工作区：

library(XML)
library(data.table)
theurl <- "http://goo.gl/hOKW3a"
tables <- readHTMLTable(theurl)
new.Res <- data.table(tables[[2]][4:5][-(1:2),])
suppressWarnings(names(new.Res) <- c("Party","Cases"))

这里有两列，Party和Cases。它们默认的类别都是factor，但是Cases应该是numeric。最终，我只需要每个Party的Cases总和。所以像这样做应该可以：

new.Res[,sum(Cases), by=Party]

但这并不能得到正确的答案。我认为如果将Cases的类从factor更改为numeric，它就会起作用。所以我尝试了以下操作：

new.Res[,Cases := as.numeric(Cases)]
new.Res[,sum(Cases), by=Party]

但是我得到了相同的错误答案。我意识到问题发生在将 Cases 类从 factor 更改为 numeric 上。因此，我尝试了一种不同的方法，它起作用了：

步骤1：重新初始化数据：

theurl <- "http://goo.gl/hOKW3a"
tables <- readHTMLTable(theurl)
new.Res <- data.table(tables[[2]][4:5][-(1:2),])
suppressWarnings(names(new.Res) <- c("Party","Cases"))

步骤2：使用不同的方法将类别从因子更改为数值型：

new.Res[,Cases := strtoi(Cases)]
new.Res[,sum(Cases), by=Party]

这个方法可以正常工作！然而，我不确定前两种方法出了什么问题。我漏掉了什么吗？

- Shambho

Answer 1

将factor类型转换为numeric或integer的正确方式是通过character类型进行转换。这是因为在内部，factor是一个整数索引（指向一个levels向量）。 当您告诉R将其转换为numeric时，它只会转换底层索引，而不会尝试转换级别标签。

简短回答：执行Cases:=as.numeric(as.character(Cases))。 编辑：另外，?factor帮助页面建议使用as.numeric(levels(Cases))[Cases]更有效率。感谢评论中的@Gsee提供的提示。

- ilir

---

每个人都会被@Shambo这一招击中 :-) 这是成长的必经之路。 - ilir

这似乎是最常见的方法，但请注意 ?factor 中提到：“为了将因子 f 转换为其原始数值的近似值，建议使用 as.numeric(levels(f))[f]，这比 as.numeric(as.character(f)) 稍微更有效率一些。” - GSee

我记得读过类似的内容，但通常的方法更容易记住。 - ilir