提问人：Adam SO 提问时间：8/6/2010 最后编辑：JaapAdam SO 更新时间：8/4/2023 访问量：1130398
如何在不丢失信息的情况下将因子转换为整数\数值？
How to convert a factor to integer\numeric without loss of information?
问：
当我将因子转换为数字或整数时，我得到的是基础级别代码，而不是数字形式的值。
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
我必须求助于才能获得真正的价值：paste
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
有没有更好的方法可以将因子转换为数值？
答：
842赞
Joshua Ulrich
8/6/2010
#1
请参阅 ？factor 的“警告”部分：
特别适用于： 一个因素是没有意义的，并且可能 通过隐性胁迫发生。自 将因子转换为 近似其原始数字 值，是 推荐和略多 效率比 .
as.numericfas.numeric(levels(f))[f]as.numeric(as.character(f))
R 上的常见问题解答也有类似的建议。
为什么as.numeric（levels（f））[f]比as.numeric（as.character（f））更有效？
as.numeric(as.character(f))实际上是 ，因此您正在执行对值而不是值的数值的转换。对于电平很少的长向量，速度差异最为明显。如果这些值大多是唯一的，则速度不会有太大差异。无论您如何进行转换，此操作都不太可能成为代码中的瓶颈，因此不要太担心。as.numeric(levels(f)[f])length(x)nlevels(x)
一些时间安排
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
评论
5赞
Ari B. Friedman
8/8/2011
有关时间，请参阅此答案：stackoverflow.com/questions/6979625/...
4赞
Sam
4/18/2014
非常感谢您的解决方案。我能问为什么as.numeric（levels（f））[f]更精确、更快吗？谢谢。
8赞
Jonathan
6/28/2014
@Sam as.character（f） 需要“原始查找”来查找函数 as.character.factor（），该函数定义为 as.numeric（levels（f））[f]。
18赞
maycca
4/14/2016
当应用 as.numeric（levels（f））[f] OR as.numeric（as.character（f）） 时，我有一条警告消息：警告消息：NAs 引入强制。你知道问题可能出在哪里吗？谢谢！
1赞
MBorg
12/14/2020
@user08041991我和maycca有同样的问题。我怀疑这是由于 R 随着时间的推移而逐渐变化的（这个答案发布于 2010 年），这个答案现在已经过时了
108赞
Jealie
3/28/2014
#2
R 具有许多用于转换因子的（未记录的）便利函数：
as.character.factoras.data.frame.factoras.Date.factoras.list.factoras.vector.factor- ...
但令人讨厌的是，没有什么可以处理因数 -> 数值转换。作为约书亚·乌尔里希（Joshua Ulrich）答案的延伸，我建议通过定义自己的惯用函数来克服这一遗漏：
as.double.factor <- function(x) {as.numeric(levels(x))[x]}
您可以将其存储在脚本的开头，甚至更好地存储在 .Rprofile 文件。
评论
14赞
Joshua Ulrich
4/18/2014
无需处理因子到整数（或数值）的转换，因为预期会返回基础整数代码（如 的示例部分所示）。在全局环境中定义此函数可能是可以的，但如果您实际将其注册为 S3 方法，则可能会导致问题。as.integer(factor)?factor
2赞
Jealie
4/19/2014
这是一个很好的观点，我同意：对因子->数转换的完全重新定义可能会弄乱很多事情。我发现自己写了很多繁琐的转换，然后才意识到它实际上是 R 的一个缺点：应该提供一些便利功能......称它为我是有道理的，但 YMMV。factor->numericas.numeric.factor
8赞
Joshua Ulrich
4/19/2014
如果你发现自己经常这样做，那么你应该在上游做一些事情来避免它。
2赞
jO.
8/8/2014
as.numeric.factor 返回 NA？
1赞
Jealie
10/24/2021
@rui-barradas comment = 作为历史异常，R 有两种浮点向量类型：和 .根据文档，最好为该类型编写代码，因此似乎是一个更合适的名称。文档链接：stat.ethz.ch/R-manual/R-devel/library/base/html/numeric.html .谢谢@rui-barradas ！numericdoubledoubleas.double.factor
13赞
djhurio
10/9/2015
#3
只有在因子标签与原始值匹配的情况下才有可能。我将用一个例子来解释它。
假设数据是向量：x
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
现在，我将创建一个具有四个标签的因子：
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
1） 是 double 类型，是 integer 类型。这是第一次不可避免的信息丢失。因子始终存储为整数。xf
> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
2） 无法恢复到仅可用的原始值（10、20、30、40）。我们可以看到它只包含整数值 1、2、3、4 和两个属性——标签列表（“A”、“B”、“C”、“D”）和类属性“factor”。而已。ff
> 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"
$class
[1] "factor"
要恢复到原始值，我们必须知道创建因子时使用的水平值。在这种情况下.如果我们知道原始级别（以正确的顺序），我们可以恢复到原始值。c(10, 20, 30, 40)
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
只有当为原始数据中的所有可能值定义了标签时，这才有效。
因此，如果您需要原始值，则必须保留它们。否则，很有可能仅从一个因素中返回它们。
43赞
Mehrad Mahmoudian
12/1/2015
#4
最简单的方法是使用包 varhandle 中的函数，它可以接受因子向量甚至数据帧：unfactor
unfactor(your_factor_variable)
此示例可以快速入门：
x <- rep(c("a", "b", "c"), 20)
y <- rep(c(1, 1, 0), 20)
class(x) # -> "character"
class(y) # -> "numeric"
x <- factor(x)
y <- factor(y)
class(x) # -> "factor"
class(y) # -> "factor"
library(varhandle)
x <- unfactor(x)
y <- unfactor(y)
class(x) # -> "character"
class(y) # -> "numeric"
您也可以在数据帧上使用它。例如，数据集：iris
sapply(iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "factor"
# load the package
library("varhandle")
# pass the iris to unfactor
tmp_iris <- unfactor(iris)
# check the classes of the columns
sapply(tmp_iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "character"
# check if the last column is correctly converted
tmp_iris$Species
[1] "setosa" "setosa" "setosa" "setosa" "setosa" [6] "setosa" "setosa" "setosa" "setosa" "setosa" [11] "setosa" "setosa" "setosa" "setosa" "setosa" [16] "setosa" "setosa" "setosa" "setosa" "setosa" [21] "setosa" "setosa" "setosa" "setosa" "setosa" [26] "setosa" "setosa" "setosa" "setosa" "setosa" [31] "setosa" "setosa" "setosa" "setosa" "setosa" [36] "setosa" "setosa" "setosa" "setosa" "setosa" [41] "setosa" "setosa" "setosa" "setosa" "setosa" [46] "setosa" "setosa" "setosa" "setosa" "setosa" [51] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [56] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [61] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [66] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [71] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [76] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [81] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [86] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [91] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [96] "versicolor" "versicolor" "versicolor" "versicolor" "versicolor" [101] "virginica" "virginica" "virginica" "virginica" "virginica" [106] "virginica" "virginica" "virginica" "virginica" "virginica" [111] "virginica" "virginica" "virginica" "virginica" "virginica" [116] "virginica" "virginica" "virginica" "virginica" "virginica" [121] "virginica" "virginica" "virginica" "virginica" "virginica" [126] "virginica" "virginica" "virginica" "virginica" "virginica" [131] "virginica" "virginica" "virginica" "virginica" "virginica" [136] "virginica" "virginica" "virginica" "virginica" "virginica" [141] "virginica" "virginica" "virginica" "virginica" "virginica" [146] "virginica" "virginica" "virginica" "virginica" "virginica"
评论
0赞
CJB
1/25/2016
该函数首先转换为字符数据类型，然后再转换回数字。在控制台上键入，您可以在函数中间看到它。因此，它并没有真正给出比提问者已经拥有的解决方案更好的解决方案。unfactorunfactor
0赞
CJB
1/25/2016
话虽如此，因子的水平无论如何都是字符类型的，因此这种方法不会丢失任何内容。
2赞
Mehrad Mahmoudian
9/29/2016
@Selrac我已经提到过这个函数在 varhandle 包中可用，这意味着你应该先加载包 （）（正如我在回答的第一行中提到的！！library("varhandle")
2赞
Gregor Thomas
11/9/2016
我很欣赏您的软件包可能也具有其他一些不错的功能，但是安装新软件包（并在代码中添加外部依赖项）并不像键入那样好或容易。as.character(as.numeric())
1赞
Mehrad Mahmoudian
11/10/2016
@Gregor添加轻度依赖通常不会造成伤害，当然，如果您正在寻找最有效的方法，编写代码可能会更快。但是，正如您在评论中看到的那样，这并不是微不足道的，因为您还将 和 放在错误的顺序;)你的代码块的作用是将因子的水平索引转换为字符矩阵，所以你将在 and 上得到一个字符向量，其中包含一些曾经分配给因子特定级别的数字。该包中的函数可以防止这些混淆as.numeric()as.character()
46赞
Indi
2/23/2017
#5
注意：此特定答案不是用于将数值因子转换为数值因子，而是用于将分类因子转换为相应的水平数字。
这篇文章中的每个答案都未能为我产生结果，NA 正在生成。
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
评论
0赞
MrFlick
2/23/2017
你确定你有一个因素吗？请看这个例子。这将返回 4,1,3,2，而不是 5,15,20,2。这似乎是不正确的信息。y<-factor(c("5","15","20","2")); unclass(y) %>% as.numeric
6赞
MrFlick
2/23/2017
好吧，这不是上面提出的问题。在这个问题中，因子水平都是“数字”。在你的情况下，应该可以正常工作，不需要.但同样，这不是这个问题的意义所在。这个答案在这里不合适。as.numeric(y)unclass()
7赞
Indi
2/23/2017
好吧，我真的希望它能帮助像我这样匆忙的人，只阅读标题！
1赞
aimme
12/13/2019
如果您有将整数表示为因子的字符，这是我推荐的字符。这是唯一对我有用的方法。
1赞
luchonacho
9/23/2021
这是我们许多人所追求的答案，也是谷歌的第一个热门。我找不到类似的问题。
5赞
davsjob
11/1/2018
#6
如果您有数据框，则可以使用。语法很简单：hablar::convert
样本 df
library(hablar)
library(dplyr)
df <- dplyr::tibble(a = as.factor(c("7", "3")),
b = as.factor(c("1.5", "6.3")))
溶液
df %>%
convert(num(a, b))
为您提供：
# A tibble: 2 x 2
a b
<dbl> <dbl>
1 7. 1.50
2 3. 6.30
或者，如果您希望一列为整数，而希望一列为数值：
df %>%
convert(int(a),
num(b))
结果如下：
# A tibble: 2 x 2
a b
<int> <dbl>
1 7 1.50
2 3 6.30
评论
0赞
Denis Cousineau
5/12/2022
但是，仅为该单个操作加载另一个包并不重要
4赞
Jerry T
11/13/2018
#7
游戏晚了，不小心，我发现可以转换成.然后你可以调用 .那是：trimws()factor(3:5)c("3","4","5")as.numeric()
as.numeric(trimws(x_factor_var))
评论
4赞
MrFlick
11/14/2018
您推荐使用已接受答案中所述的 over 有什么理由吗？在我看来，除非您实际上有需要删除的空格，否则只会做一堆不必要的正则表达式工作来返回相同的结果。trimwsas.charactertrimws
1赞
Jerry T
2/23/2019
as.numeric（levels（f））[f] 对于初学者来说可能有点令人困惑和难以记住。trimws 不会造成伤害。
-1赞
Xavier Prudent
11/28/2019
#8
从我能读到的许多答案中，唯一给出的方法是根据因子的数量来扩展变量的数量。如果你有一个级别为“狗”和“猫”的可变“宠物”，你最终会得到pet_dog和pet_cat。
就我而言，我想保持相同数量的变量，只需将因子变量转换为数值变量，其方式可以应用于具有许多级别的许多变量，例如 cat=1 和 dog=0。
请在下面找到相应的解决方案：
crime <- data.frame(city = c("SF", "SF", "NYC"),
year = c(1990, 2000, 1990),
crime = 1:3)
indx <- sapply(crime, is.factor)
crime[indx] <- lapply(crime[indx], function(x){
listOri <- unique(x)
listMod <- seq_along(listOri)
res <- factor(x, levels=listOri)
res <- as.numeric(res)
return(res)
}
)
-2赞
Life_Searching_Steps
5/25/2020
#9
看起来解决方案as.numeric（levels（f））[f]不再适用于R 4.0。
替代解决方案：
factor2number <- function(x){
data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}
factor2number(yourFactor)
评论
0赞
Denis Cousineau
5/12/2022
??在 R 4.1 上，它确实有效。
3赞
lotus
6/17/2020
#10
type.convert(f)对于水平完全为数字的因子是另一个基本选项。
在性能方面，它大约相当于 ，但远不如 .as.numeric(as.character(f))as.numeric(levels(f))[f]
identical(type.convert(f), as.numeric(levels(f))[f])
[1] TRUE
也就是说，如果向量在第一个实例中被创建为因子的原因没有得到解决（即它可能包含一些无法强制转换为数字的字符），那么这种方法将不起作用，它将返回一个因子。
levels(f)[1] <- "some character level"
identical(type.convert(f), as.numeric(levels(f))[f])
[1] FALSE
5赞
Robert Bray
5/7/2021
#11
strtoi()如果您的因子水平为整数，则有效。
评论
0赞
Phil
7/7/2021
不错的简单解决方案，与其他解决方案一样快。
1赞
Timothy
10/17/2022
#12
如果有许多列要转换为 ，factornumeric
df <- rapply(df, function(x) as.numeric(levels(x))[x], "factor", how = "replace")
如果所有因子水平都是数字，则此解决方案对于包含混合类型是可靠的。data.frames
0赞
Mark
3/13/2023
#13
我发现很难使用 tidyverse 语法在列名列表中应用。先转换为一个字符，然后转换为一个整数，然后为我提供了原始的数值，而无需添加额外的包。也许不是性能最高/最优雅的解决方案，但使事情变得简单易读。as.numeric(levels(f))[f]
library(tidyverse)
tbl_df <- tibble(a = as.factor(c("7", "3")),
b = as.factor(c("1.5", "6.3")))
cols <- c("a", "b")
tbl_df %>%
mutate(across(all_of(cols), as.character)) %>%
mutate(across(all_of(cols), as.numeric))
0赞
Maël
8/4/2023
#14
该软件包包括一个包装器，将 和 和 包围起来。collapseas.numeric(levels(f))[f]as.character(levels(f))[f]as_numeric_factoras_character_factor
library(collapse)
set.seed(1)
f <- factor(sample(runif(5), 5, replace = TRUE))
as_numeric_factor(f)
# [1] 0.2016819 0.5728534 0.3721239 0.5728534 0.5728534
as_character_factor(f)
# [1] "0.201681931037456" "0.572853363351896" "0.37212389963679" "0.572853363351896" "0.572853363351896"
与 相比，它提供了类似的性能。as.numeric(levels(f))[f]
# Unit: milliseconds
# expr min lq mean median uq max neval
# as.numeric(levels(f))[f] 2.6026 3.01305 5.834900 3.54310 8.57450 66.3497 100
# as.numeric(levels(f)[f]) 317.2509 336.78690 350.215388 349.85620 361.57980 401.1002 100
# as_numeric_factor(f) 2.5793 2.92970 5.383223 3.23355 4.29355 68.4460 100
法典：
set.seed(1)
f <- factor(sample(runif(5), 1e6, replace = TRUE))
library(microbenchmark)
microbenchmark(
as.numeric(levels(f))[f],
as.numeric(levels(f)[f]),
as_numeric_factor(f),
times = 100
)
评论
attributes(f)as.numeric(paste(f))decread.tabledf %>% convert(num(column))as_reliable_num(factor_vector)