可能是重复问题:
如何使用R识别或编码唯一因素
我在使用R时遇到了一些麻烦。
我的数据集与下面类似,但更长。
A B Pulse
1 2 23
2 2 24
2 2 12
2 3 25
1 1 65
1 3 45
基本上,前两列是编码的。
A
有1、2表示2个不同的权重,
B
有1、2、3表示3个不同时刻。
由于它们是编码数值,R会将它们视为数值变量。 我需要使用因子函数将这些变量转换为因子。
需要帮助吗?
可能是重复问题:
如何使用R识别或编码唯一因素
我在使用R时遇到了一些麻烦。
我的数据集与下面类似,但更长。
A B Pulse
1 2 23
2 2 24
2 2 12
2 3 25
1 1 65
1 3 45
基本上,前两列是编码的。
A
有1、2表示2个不同的权重,
B
有1、2、3表示3个不同时刻。
由于它们是编码数值,R会将它们视为数值变量。 我需要使用因子函数将这些变量转换为因子。
需要帮助吗?
这里有一个例子:
#Create a data frame
> d<- data.frame(a=1:3, b=2:4)
> d
a b
1 1 2
2 2 3
3 3 4
#currently, there are no levels in the `a` column, since it's numeric as you point out.
> levels(d$a)
NULL
#Convert that column to a factor
> d$a <- factor(d$a)
> d
a b
1 1 2
2 2 3
3 3 4
#Now it has levels.
> levels(d$a)
[1] "1" "2" "3"
在读取数据时,您也可以处理此问题。请参阅readCSV()
中的colClasses
和stringsAsFactors
参数。
请注意,在计算方面,因子化这样的列帮助不大,实际上可能会减慢程序的速度(尽管微不足道)。使用因子将要求将所有值映射到幕后的ID上,因此数据框的任何打印都需要在这些级别上进行查找——这需要时间。
当存储不想重复存储但宁愿按其ID引用的字符串时,因子非常有用。考虑在这些列中存储更友好的名称以充分受益于因子。
鉴于以下示例
myData <- data.frame(A=rep(1:2, 3), B=rep(1:3, 2), Pulse=20:25)
然后
myData$A <-as.factor(myData$A)
myData$B <-as.factor(myData$B)
或者您可以将所有列一起选择,并将其整理得井井有条:
# select columns
cols <- c("A", "B")
myData[,cols] <- data.frame(apply(myData[cols], 2, as.factor))
levels(myData$A) <- c("long", "short")
levels(myData$B) <- c("1kg", "2kg", "3kg")
获取
> myData
A B Pulse
1 long 1kg 20
2 short 2kg 21
3 long 3kg 22
4 short 1kg 23
5 long 2kg 24
6 short 3kg 25
levels
的值分配给更有用的内容。例如,levels(d$a) <- c("Long", "Short")
。现在你(或查看你的代码的新用户)无需担心记忆ID和标签之间的映射关系。R将为您处理映射,并只向您呈现标签。 - Jeff Allen