数据框和使用字符列时的常见错误
数据框和使用字符列时的常见错误
提问于 2012-10-20 05:46:26
R中有用的data.frame的一个非常意想不到的行为是将character列作为因子。如果不考虑这一点，这会导致许多问题。例如，假设以下代码：
foo=data.frame(name=c("c","a"),value=1:2)
# name val
# 1 c 1
# 2 a 2
bar=matrix(1:6,nrow=3)
rownames(bar)=c("a","b","c")
# [,1] [,2]
# a 1 4
# b 2 5
# c 3 6那么你对运行bar[foo$name,]有什么期望呢？它通常应该返回根据表示行'c‘和'a’的foo$name命名的bar行。但结果是不同的：
bar[foo$name,]
# [,1] [,2]
# b 2 5
# a 1 4原因是：foo$name不是字符向量，而是整数向量。
foo$name
# [1] c a
# Levels: a c为了获得预期的行为，我手动将其转换为字符向量：
foo$name = as.character(foo$name)
bar[foo$name,]
# [,1] [,2]
# c 3 6
# a 1 4但问题是，我们可能很容易错过执行这一点，并在我们的代码中隐藏错误。有没有更好的解决方案？
回答 2
Stack Overflow用户
回答已采纳
发布于 2012-10-20 05:52:38
这是一个特性，R是按照文档说明的那样工作的。这通常可以通过以下几种方式来处理：
- 在调用
data.frame()时使用参数stringsAsFactors = TRUE。请参阅?data.frame - if您对此行为的反感，因此请通过以下方式全局设置该选项
options(stringsAsFactors =FALSE)
- (正如@JoshuaUlrich在注释中指出的那样)第三个选项是在
I(....)中包装字符变量。这会将分配给数据帧组件的对象的类更改为包括"AsIs"。一般来说，这应该不是问题，因为对象继承了(在本例中)"character"类，所以应该像以前一样工作。
您可以通过以下方式查看当前运行的R进程上stringsAsFactors的默认值：
> default.stringsAsFactors()
[1] TRUE该问题在范围上比data.frame()略宽，因为这也会影响read.table()。在该函数以及上面的两个选项中，您还可以通过参数colClasses告诉R变量的所有类是什么，并且R将遵守这一点，例如
> tmp <- read.table(text = '"Var1","Var2"
+ "A","B"
+ "C","C"
+ "B","D"', header = TRUE, colClasses = rep("character", 2), sep = ",")
> str(tmp)
'data.frame': 3 obs. of 2 variables:
$ Var1: chr "A" "C" "B"
$ Var2: chr "B" "C" "D"Stack Overflow用户
发布于 2012-10-20 12:25:29
在下面的示例数据中，作者和标题会自动转换为因子(除非您在创建数据时添加了参数stringsAsFactors = FALSE )。如果我们忘记更改默认设置，并且不想全局设置选项，该怎么办？
我在某处发现的一些代码(很可能是这样)使用sapply()来标识因子并将其转换为字符串。
dat = data.frame(title = c("title1", "title2", "title3"),
author = c("author1", "author2", "author3"),
customerID = c(1, 2, 1))
# > str(dat)
# 'data.frame': 3 obs. of 3 variables:
# $ title : Factor w/ 3 levels "title1","title2",..: 1 2 3
# $ author : Factor w/ 3 levels "author1","author2",..: 1 2 3
# $ customerID: num 1 2 1
dat[sapply(dat, is.factor)] = lapply(dat[sapply(dat, is.factor)],
as.character)
# > str(dat)
# 'data.frame': 3 obs. of 3 variables:
# $ title : chr "title1" "title2" "title3"
# $ author : chr "author1" "author2" "author3"
# $ customerID: num 1 2 1我假设这将比使用stringsAsFactors = FALSE参数重新读取数据集更快，但从未进行过测试。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/12982896
复制相关文章
相似问题
腾讯云开发者
