Como converter um fator para inteiro \ numérico sem perda de informação?

Quando converto um fator em um numérico ou número inteiro, obtenho os códigos de nível subjacentes, não os valores como números.

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

Eu tenho que recorrer pastepara obter os valores reais:

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

Existe uma maneira melhor de converter um fator para numérico?

Consulte a seção Aviso de ?factor:

Em particular, as.numericaplicar a um fator não tem sentido e pode acontecer por coerção implícita. Para transformar um fator fem aproximadamente seus valores numéricos originais, as.numeric(levels(f))[f]é recomendado e um pouco mais eficiente que as.numeric(as.character(f)).

O FAQ sobre R tem conselhos semelhantes .

Por que é as.numeric(levels(f))[f]mais eficaz que as.numeric(as.character(f))?

as.numeric(as.character(f))é efetivamente as.numeric(levels(f)[f]), portanto, você está realizando a conversão em length(x)valores numéricos em vez de nlevels(x)valores. A diferença de velocidade será mais aparente para vetores longos com poucos níveis. Se os valores forem principalmente únicos, não haverá muita diferença de velocidade. Seja como for a conversão, é improvável que essa operação seja o gargalo no seu código, portanto, não se preocupe muito com isso.

Alguns horários

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

R possui várias funções de conveniência (não documentadas) para fatores de conversão:

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

Mas irritantemente, não há nada para lidar com o fator -> conversão numérica . Como uma extensão da resposta de Joshua Ulrich, sugiro superar essa omissão com a definição de sua própria função idiomática:

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

que você pode armazenar no início do seu script, ou ainda melhor no seu .Rprofilearquivo.

A maneira mais fácil seria usar a unfactorfunção do pacote varhandle

unfactor(your_factor_variable)

Este exemplo pode ser um começo rápido:

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"

Nota: esta resposta específica não é para converter fatores de valor numérico em numéricos, é para converter fatores categóricos em seus números de nível correspondentes.

Todas as respostas deste post falharam em gerar resultados para mim, os NAs estavam sendo gerados.

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

O que funcionou para mim é isso -

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

É possível apenas no caso em que os rótulos dos fatores correspondam aos valores originais. Vou explicar com um exemplo.

Suponha que os dados sejam vetoriais x:

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

Agora vou criar um fator com quatro rótulos:

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

1) xé do tipo double, fé do tipo inteiro. Esta é a primeira perda inevitável de informações. Os fatores são sempre armazenados como números inteiros.

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

2) Não é possível voltar aos valores originais (10, 20, 30, 40) apenas fdisponíveis. Podemos ver que fpossui apenas valores inteiros 1, 2, 3, 4 e dois atributos - a lista de rótulos ("A", "B", "C", "D") e o atributo de classe "fator". Nada mais.

> 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"

Para voltar aos valores originais, precisamos conhecer os valores dos níveis usados ​​na criação do fator. Nesse caso c(10, 20, 30, 40). Se conhecermos os níveis originais (na ordem correta), podemos voltar aos valores originais.

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

E isso funcionará apenas no caso em que os rótulos tenham sido definidos para todos os valores possíveis nos dados originais.

Portanto, se você precisar dos valores originais, precisará mantê-los. Caso contrário, há uma grande chance de que não seja possível retornar a eles apenas por um fator.

Você pode usar hablar::convertse você tiver um quadro de dados. A sintaxe é fácil:

Amostra df

library(hablar)
library(dplyr)

df <- dplyr::tibble(a = as.factor(c("7", "3")),
                    b = as.factor(c("1.5", "6.3")))

Solução

df %>% 
  convert(num(a, b))

da-te:

# A tibble: 2 x 2
      a     b
  <dbl> <dbl>
1    7.  1.50
2    3.  6.30

Ou se você deseja que uma coluna seja inteira e uma numérica:

df %>% 
  convert(int(a),
          num(b))

resulta em:

# A tibble: 2 x 2
      a     b
  <int> <dbl>
1     7  1.50
2     3  6.30

Parece que a solução como.numeric (levels (f)) [f] não funciona mais com o R 4.0.

Solução alternativa:

factor2number <- function(x){
    data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}

factor2number(yourFactor)

Das muitas respostas que pude ler, a única maneira dada era expandir o número de variáveis ​​de acordo com o número de fatores. Se você tiver uma variável "pet" com os níveis "dog" e "cat", você terminará com pet_dog e pet_cat.

No meu caso, eu queria ficar com o mesmo número de variáveis, apenas convertendo a variável fator para uma numérica, de uma maneira que possa ser aplicada a muitas variáveis ​​com muitos níveis, de modo que cat = 1 e dog = 0, por exemplo.

Encontre a solução correspondente abaixo:

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)
}
)

tarde para o jogo, acidentalmente, eu encontrei trimws()pode converter factor(3:5)para c("3","4","5"). Então você pode ligar as.numeric(). Isso é:

as.numeric(trimws(x_factor_var))