具有因子变量的 as.numeric() 的奇怪行为 - 提供的数字与提供的数字完全不同 [重复]答案

【问题标题】：Strange behaviour of as.numeric() with factor variable - gives completely different numbers to those supplied [duplicate]具有因子变量的 as.numeric() 的奇怪行为 - 提供的数字与提供的数字完全不同 [重复]
【发布时间】：2020-01-24 14:53:06
【问题描述】：

我有一个数据集，我试图将一个因子转换为一个数值变量，我第一次运行它时它似乎工作正常，但现在我更改了向量内容 as.numeric() 函数返回不同（可能是以前的）值，而不是现在向量中的值，尽管这些值似乎没有存储在任何地方。但是，如果我先转换为字符，它就可以正常工作。我使用的代码是：

rm(reprex) # ensure does not exist from previously
reprex <- data.frame(rbind(c("BT",8),c("BL", 1), c("TS",1), c("SA", 7), c("S", 5), c("LS",5), c("M",3), c("CV",3), c("CF",3), c("PE",3)))

names(reprex) <-c("Post Area", "Count")
reprex$Countnum <- as.numeric(reprex$Count) # should be same as Count
reprex$Countnum_char <- as.numeric(as.character(reprex$Count)) # is same as Count

head(reprex)

给予：

  Post Area Count Countnum Countnum_char
1        BT     8        5             8
2        BL     1        1             1
3        TS     1        1             1
4        SA     7        4             7
5         S     5        3             5
6        LS     5        3             5

这是为什么？如果我在转换为数字之前将其转换为字符似乎可以避免它，但我很困惑为什么会发生这种情况以及奇怪映射的（我怀疑来自数据框的先前版本）因子级别正在存储，以便在我删除对象后它们仍然存在。

【问题讨论】：

标签： r types numeric

【解决方案1】：

这个问题涉及R 如何理解您的流程。 Count = 1 是最小的数字，所以它变成了Countnum = 1。 Count = 3 是第二大数字，因此因子水平为 2，这也意味着 Countnum = 2，依此类推。实际上，您的第一个 as.numeric 所做的是采用因子水平并将因子水平转换为数字。 Countnum_char 将字符值（例如，Count = 8 是 factor level = 5 或 Count = 5 是 factor level = 3）作为其值并将值转换为数字，而不是因子级别。

【讨论】：

谢谢！我很困惑，因为碰巧之前的字符值和之前的因子级别是相同的，所以直到内容改变我才注意到这不起作用！

【解决方案2】：

看看这里以了解为什么会发生这种情况：https://www.dummies.com/programming/r/how-to-convert-a-factor-in-r/

Dummies 网站在 R 上有很多很好的免费资源。

> numbers <- factor(c(9, 8, 10, 8, 9))

如果你在上面的代码 sn-p 上运行str()，你会得到这个输出：

> str(numbers) Factor w/ 3 levels "8","9","10": 2 1 3 1 2

R 将值存储为 c(2, 1, 3, 1, 2) 与相关级别 c(“8”, “9”, “10”)

将数字转换为字符向量时，您会收到预期的输出：

> as.character(numbers) [1] "9" "8" "10" "8" "9"

但是，当您使用 as.numeric() 时，您将获得向量的内部级别表示的输出，而不是原始值。

做你该做的

> as.numeric(as.character(numbers)) [1] 9 8 10 8 9

这正是您解决此问题的方法！这是 R 在做你正在做的事情时的正常行为；你在这里没有犯任何我能看到的错误。

【讨论】：