如何在 R 中的 read.csv 中指定分类变量的排序答案

【问题标题】：How to specify the Ordering of categorical variables in read.csv in R如何在 R 中的 read.csv 中指定分类变量的排序
【发布时间】：2013-09-18 19:18:30
【问题描述】：

我正在使用read.csv 函数和colClasses 参数来读取我的csv 文件。我想要实现的是，对于所有“因素”的colClasses，我想指定因素的顺序。即

如果“液体类型”列有以下因素：-“水”、“果汁”、“苏打水”、“酒精”，我想控制因素的顺序。让我们说

Water = 3
Juice=1
Soda=2
Alcohol =0

那么如何控制read.csv中的因子顺序呢？

编辑：您在下方的评论，格式化：

setClass("customFactor") 
setAs("character", "customFactor", function(from) {SpecifyOrders(from)}) 
SpecifyOrders <- function(from) { 
       from<- factor(from, levels=c(new_order)) }

【问题讨论】：

你没有。使用factor 读取因子并按所需顺序指定级别后，您可以对其重新排序。

标签： r read.table

【解决方案1】：

一个问题是“为什么？”。以及其他相关问题：您只是想重新调整因子？还是真的想要一个有序因子？或者您想重新编码为数值？

要使用该顺序重新调整，您可以在数据输入后执行此操作：

Liquid.type <- factor(Liquid.type, levels=c("Alcohol","Juice","Soda","Water"))

（尽管由于默认排序是 alpha 排序的，所以这已经是顺序。）如果您想从该因子中获取值 0-3：

Liquid.type <- as.numeric(Liquid.type) -1

在使用 read.table 或 read.csv 时，有一些方法可以做到这一点，但它们有点巴洛克式和复杂性，我们需要看到一个用例来证明这一努力的合理性。

【讨论】：

我想这样做是因为最终我将从 read.csv 数据框构建逻辑回归模型，并且我想在进行任何逻辑回归建模之前指定因子的顺序。这是否可以作为在 read.csv 期间执行此操作的用例？
据我所见。您需要为每一列定义一个单独的类，使用 var <- factor(var, levels=new_order) 似乎比所有这些都容易。
我将使用大型数据集并希望脚本具有内存效率。在 read.csv 函数之后更改顺序将导致内存使用量增加，这是我真正想要避免的。所以我希望我可以让它在 read.csv 中工作。
我想我可以通过创建自己的类来实现它....setClass("customFactor") setAs("character","customFactor", function(from){ SpecifyOrders(from) } ) SpecifyOrders
你可以在这里找到一个工作的例子：stackoverflow.com/questions/5068705/…

【解决方案2】：

所以我想我找到了答案......

setClass("customFactor") 
setAs("character","customFactor", function(from){ SpecifyOrders(from) } ) 
SpecifyOrders <- function(from) { from<- factor(from, levels=c(new_order)) }

Dataframe <- read.csv(data=data, colClasses=c("character","customFactor","numeric"))

【讨论】：

仅供参考 - 如果这在内存使用方面真的更有效，我会感到非常惊讶。无论您调用factor 以重置read.table 内的级别还是之后都应该具有完全相同的内存含义。如果是我，我会确定这一点，并包括做一些事情，比如简单地调用levels<-，这不应该有太多开销。
你是对的，我想我可能会在阅读 csv 后进行重构，而不是创建自己的类