R因子的算术运算

2018-06-08 05:19:00

我有一个R数据框，我试图从另一列中减去一列。我使用$运算符提取列，但列的类是'因子'，R不会对因子执行算术运算。是否有特殊的功能来做到这一点？

如果你真的想要使用这个因子的水平，那么你要么为了自己的利益而做一些非常错误的事情或者太巧妙。

如果你所拥有的是一个包含存储在因子水平中的数字的因子，那么你首先要使用as.numeric(as.character(...))将它强制转换为数字：

dat <- data.frame(f=as.character(runif(10)))

您可以在这里看到访问因子索引和分配因子内容之间的区别：

> as.numeric(dat$f)
 [1]  9  7  2  1  4  6  5  3 10  8
> as.numeric(as.character(dat$f))
 [1] 0.6369432 0.4455214 0.1204000 0.0336245 0.2731787 0.4219241 0.2910194
 [8] 0.1868443 0.9443593 0.5784658

时间与其他方法相比，只有在关卡上进行转换时才会显示，如果关卡对每个元素都不是唯一的，则速度会更快：

dat <- data.frame( f = sample(as.character(runif(10)),10^4,replace=TRUE) )
library(microbenchmark)
microbenchmark(
  as.numeric(as.character(dat$f)),
  as.numeric( levels(dat$f) )[dat$f] ,
  as.numeric( levels(dat$f)[dat$f] ),
  times=50
  )

                              expr     min      lq  median      uq     max
1  as.numeric(as.character(dat$f)) 7835865 7869228 7919699 7998399 9576694
2 as.numeric(levels(dat$f))[dat$f]  237814  242947  255778  270321  371263
3 as.numeric(levels(dat$f)[dat$f]) 7817045 7905156 7964610 8121583 9297819

因此，如果length(levels(dat$f)) < length(dat$f) ，则使用as.numeric(levels(dat$f))[dat$f]获得实质的速度增益。

如果length(levels(dat$f))大约等于length(dat$f) ，则没有速度增益：

dat <- data.frame( f = as.character(runif(10^4) ) )
library(microbenchmark)
microbenchmark(
  as.numeric(as.character(dat$f)),
  as.numeric( levels(dat$f) )[dat$f] ,
  as.numeric( levels(dat$f)[dat$f] ),
  times=50
  )

                              expr     min      lq  median      uq      max
1  as.numeric(as.character(dat$f)) 7986423 8036895 8101480 8202850 12522842
2 as.numeric(levels(dat$f))[dat$f] 7815335 7866661 7949640 8102764 15809456
3 as.numeric(levels(dat$f)[dat$f]) 7989845 8040316 8122012 8330312 10420161

你可以定义你自己的操作员来做到这一点，看看? Arith ? Arith 。没有组泛型，你可以定义你自己的二元运算符％operator％：

%-% <- function (factor1, factor2){
  # put in the code here to calculate difference 
  # of two factors (e.g. facor1 level cat - factor2 level mouse = ?)
}

你应该仔细检查一下你是如何拉动数据的。如果这些是真正的数字列，R应该认识到这一点（Excel有时候会弄错）。无论哪种方式，它都可能被强迫为一个因素，因为列中还有其他不受欢迎的人。迄今为止收到的回复没有提到as.numeric（）只返回关卡号码。这意味着您将不会对已转换为因素的实际数字执行操作，而是会对与每个因素关联的级别数字执行操作。

链接地址: http://www.djcxy.com/p/24937.html

上一篇: Arithmetic operations on R factors

下一篇: Plot 3 categorical variables with dependencies on previous column