将因子变量转换为数值型，再从数值型转换回因子变量

Question

我有一个庞大的数据集（9,000,000条记录），其中有两列是因素（409个级别）。 这代表了在某个时期内机场之间的航班情况。 下面的数据集已经完成转换。也就是说，“ORIGIN”和“DEST”已经成为数字形式。

  ORIGIN DEST weight        alpha
      1   24   1195 1.512274e-04
      1   78    844 2.557285e-03
    100    2   1615 3.176266e-17
    100    3   4196 9.111249e-09
    100    7   1221 6.471515e-10
    100   12    725 2.129114e-04

第二个数据集包含所有IATA代码以及对应的纬度和经度。

           City IATA  Latitude Longitude
         Goroka  GKA -6.081690   145.392
         Madang  MAG -5.207080   145.789
    Mount Hagen  HGU -5.826790   144.296
         Nadzab  LAE -6.569803   146.726
   Port Moresby  POM -9.443380   147.220
          Wewak  WWK -3.583830   143.669

当前的流程如下：

1. 将2个列转换为数字（因为后面需要这样使用）
2. 将数据集转换为 igraph
3. 应用筛选算法（这就是为什么要把这些列转换为数字的原因）
4. 再次将其转换为数据集。

我的问题是，我现在想将我拥有的数字重新转换为之前的因素，因为我需要第二个数据集中的纬度和经度。

有任何想法吗？我已经尝试了我能想到的几乎所有方法。

- FilipeTeixeira

---

as.factor 没有起作用，是吗？ - Alos

as.numeric(as.character(factor(c(1,100,23,47)))). 因为只是将因子转换为数字级别，所以需要先将其转换为字符，然后再转换为数字。在您的情况下，应该使用 as.numeric(as.character(df$ORIGIN))，其中 df 是您的数据框。 - infominer

Answer 1

在将因子转换为数字之前，我建议您先存储其因子水平，然后在恢复因子类别时重新应用它们。
以下是一个示例以清楚说明我的意思：

data(iris)
# Store the levels
l<-levels(iris$Species)

# Convert to numeric
iris$Species <- as.numeric(iris$Species)
head(iris$Species)
class(iris$Species)

# Convert back to factor
iris$Species <- factor(iris$Species, labels = l)
head(iris$Species)
class(iris$Species)

- GGamba

Answer 2

在将因子强制转换为数字之前，创建一个数字-因子标签对的查找表。在工作流程结束时，将因子标签合并回您的数据中。

library(dplyr)
data(warpbreaks)
original <- warpbreaks

value_label_map <- warpbreaks %>%
  select(wool, tension) %>%
  mutate(wool_num = as.numeric(wool), tension_num = as.numeric(tension)) %>%
  distinct()

warpbreaks <- warpbreaks %>%
  mutate(wool = as.numeric(wool), tension = as.numeric(tension))

warpbreaks <- left_join(warpbreaks, value_label_map,
  by = c("wool" = "wool_num", "tension" = "tension_num"))

identical(original$wool, warpbreaks$wool.y)
identical(original$tension, warpbreaks$tension.y)

- effel

---

确实，这解决了我的问题。问题在于我试图找到一种匹配两个数据集的方法，因为最终（由于过滤算法），我总是以较少的列结束。 但是你的方法完美地解决了它 :). 非常感谢你：D。这让我免受巨大的头痛之苦。 - FilipeTeixeira

很高兴听到这个消息！干杯。 - effel