如何在不丢失信息的状况下将因子转换为整数\\数字？

当我将因子转换为数字或整数时，我获得的是底层的级别代码，而不是数值。

f <- factor(sample(runif(5), 20, replace = TRUE))
##  [1] 0.0248644019011408 0.0248644019011408 0.179684827337041 
##  [4] 0.0284090070053935 0.363644931698218  0.363644931698218 
##  [7] 0.179684827337041  0.249704354675487  0.249704354675487 
## [10] 0.0248644019011408 0.249704354675487  0.0284090070053935
## [13] 0.179684827337041  0.0248644019011408 0.179684827337041 
## [16] 0.363644931698218  0.249704354675487  0.363644931698218 
## [19] 0.179684827337041  0.0284090070053935
## 5 Levels: 0.0248644019011408 0.0284090070053935 ... 0.363644931698218

as.numeric(f)
##  [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2

as.integer(f)
##  [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2

我必须求助于paste以得到真实的价值：

as.numeric(paste(f))
##  [1] 0.02486440 0.02486440 0.17968483 0.02840901 0.36364493 0.36364493
##  [7] 0.17968483 0.24970435 0.24970435 0.02486440 0.24970435 0.02840901
## [13] 0.17968483 0.02486440 0.17968483 0.36364493 0.24970435 0.36364493
## [19] 0.17968483 0.02840901

有没有更好的方法能够将因子转换为数值？

---

#1楼

R具备许多（未记录）便利函数，用于转换因子：

• as.character.factor
• as.data.frame.factor
• as.Date.factor
• as.list.factor
• as.vector.factor
• ...

可是使人烦恼的是，没有什么要处理的因素->数字转换。 做为约书亚·乌尔里希（Joshua Ulrich）答案的延伸，我建议经过定义本身的惯用函数来克服这一遗漏：

as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}

您能够将其存储在脚本的开头，甚至能够存储在.Rprofile文件中。

---

#2楼

仅在因子标签与原始值匹配的状况下才有可能。 我将用一个例子来解释。

假设数据是向量x ：

x <- c(20, 10, 30, 20, 10, 40, 10, 40)

如今，我将建立一个带有四个标签的因子：

f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))

1） x是double类型， f是integer类型。 这是第一个不可避免的信息丢失。 因子始终存储为整数。

> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"

2）不可能恢复为只有f可用的原始值（十、20、30、40）。 咱们能够看到f仅包含整数值一、二、三、4和两个属性-标签列表（“ A”，“ B”，“ C”，“ D”）和类属性“ factor”。 而已。

> str(f)
 Factor w/ 4 levels "A","B","C","D": 2 1 3 2 1 4 1 4
> attributes(f)
$levels
[1] "A" "B" "C" "D"

$class
[1] "factor"

为了恢复到原始值，咱们必须知道用于建立因子的水平值。 在这种状况下c(10, 20, 30, 40) 。 若是咱们知道原始级别（以正确的顺序），则能够恢复为原始值。

> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE

只有在为原始数据中的全部可能值定义了标签的状况下，这才起做用。

所以，若是您须要原始值，则必须保留它们。 不然，颇有可能仅凭一个因素就没法与他们联系。

---

#3楼

最简单的方法是使用包varhandle中的 unfactor函数

unfactor(your_factor_variable)

这个例子能够快速入门：

x <- rep(c("a", "b", "c"), 20)
y <- rep(c(1, 1, 0), 20)

class(x)  # -> "character"
class(y)  # -> "numeric"

x <- factor(x)
y <- factor(y)

class(x)  # -> "factor"
class(y)  # -> "factor"

library(varhandle)
x <- unfactor(x)
y <- unfactor(y)

class(x)  # -> "character"
class(y)  # -> "numeric"

---

#4楼

请参阅?factor的警告部分：

特别是， as.numeric施加到一个因素是没有意义的，而且能够经过隐式强制发生。 为了将因子f转换为近似于其原始数值，建议使用as.numeric(levels(f))[f]其效率要比as.numeric(as.character(f)) 。

关于R的FAQ 也有相似的建议 。

---

为何as.numeric(levels(f))[f]比as.numeric(as.character(f))更有效？

as.numeric(as.character(f))其实是as.numeric(levels(f)[f]) ，所以您正在执行对length(x)值而不是nlevels(x)值的数字转换。 对于水平少的长矢量，速度差别最为明显。 若是这些值大可能是惟一的，则速度不会有太大差别。 不管您进行转换，此操做都不大可能成为代码中的瓶颈，所以没必要担忧太多。

---

一些时机

library(microbenchmark)
microbenchmark(
  as.numeric(levels(f))[f],
  as.numeric(levels(f)[f]),
  as.numeric(as.character(f)),
  paste0(x),
  paste(x),
  times = 1e5
)
## Unit: microseconds
##                         expr   min    lq      mean median     uq      max neval
##     as.numeric(levels(f))[f] 3.982 5.120  6.088624  5.405  5.974 1981.418 1e+05
##     as.numeric(levels(f)[f]) 5.973 7.111  8.352032  7.396  8.250 4256.380 1e+05
##  as.numeric(as.character(f)) 6.827 8.249  9.628264  8.534  9.671 1983.694 1e+05
##                    paste0(x) 7.964 9.387 11.026351  9.956 10.810 2911.257 1e+05
##                     paste(x) 7.965 9.387 11.127308  9.956 11.093 2419.458 1e+05

---

#5楼

注意：此特定答案不是用于将数值因子转换为数值，而是用于将分类因子转换为其相应的级别编号。

---

这篇文章中的每一个答案都没法为我产生结果，正在产生NA。

y2<-factor(c("A","B","C","D","A")); 
as.numeric(levels(y2))[y2] 
[1] NA NA NA NA NA Warning message: NAs introduced by coercion

对我有用的是-

as.integer(y2)
# [1] 1 2 3 4 1