我正在尝试执行主成分分析，但出现错误：colMeans(x, na.rm = TRUE) 中的错误：'x' must be numeric
我知道所有列都必须是数字，但是当数据集中有字符对象时如何处理？例如：
data(birth.death.rates.1966)
data2 <- birth.death.rates.1966
princ <- prcomp(data2)
我应该添加一个将国家名称与数字代码相关的新列吗？如果是，如何在 R 中执行此操作？
【问题讨论】：
标签： r
在 R 中，将 factor 方法添加到数据字符集中，不会使其成为数字。 确实是让我们的机器学习模型成为一个数学模型，但它不是数字数据。
示例：如果您有一个名称列表，然后对它们进行数字编码，则某个名称可能具有更高的数值，这将根据我们的模型给出不同的定义。
名称（仅用于标记特定集合的文本数据）通常不应该定义模型的工作方式。
此外，如果您尝试使用此数据并假设它是数字，您可能会收到以下错误：
colMeans(x, na.rm = TRUE) 中的错误：“x”必须是数字
我已经解释了为什么你可能会在上面得到这个错误
为了解决这个问题
training_set[,2:3] = scale(training_set)
test_set[,2:3] = scale(test_set)
在下图中，第 1 列和第 4 列具有编码数据，不能被视为数字模型第 2 列和第 3 列最初包含数字数据，因此我们只能在这部分数据上运行模型。上面的代码只是展示了如何选择它包含所有行和列 2 和 3 的数据
【讨论】：
您可以通过factor 将字符向量转换为数值。然后每个唯一值都会得到一个唯一的整数代码。在这个例子中，有四个值，所以数字是 1 到 4，按字母顺序，我认为：
> d = data.frame(country=c("foo","bar","baz","qux"),x=runif(4),y=runif(4))
> d
country x y
1 foo 0.84435112 0.7022875
2 bar 0.01343424 0.5019794
3 baz 0.09815888 0.5832612
4 qux 0.18397525 0.8049514
> d$country = as.numeric(as.factor(d$country))
> d
country x y
1 3 0.84435112 0.7022875
2 1 0.01343424 0.5019794
3 2 0.09815888 0.5832612
4 4 0.18397525 0.8049514
然后你可以运行prcomp:
> prcomp(d)
Standard deviations:
[1] 1.308665216 0.339983614 0.009141194
Rotation:
PC1 PC2 PC3
country -0.9858920 0.132948161 -0.101694168
x -0.1331795 -0.991081523 -0.004541179
y -0.1013910 0.009066471 0.994805345
这对您的应用程序是否有意义取决于您。也许您只想删除第一列：prcomp(d[,-1]) 并使用数字数据，这似乎是其他“答案”试图实现的目标。
【讨论】：
数据框的第一列是字符。因此，您可以将其重新编码为行名称：
library(tidyverse)
data2 %>% remove_rownames %>% column_to_rownames(var="country")
princ <- prcomp(data2)
或者：
data2 <- data2[,-1]
rownames(data2) <- data2[,1]
princ <- prcomp(data2)
【讨论】：