Convert data.frame columns from factors to characters
我有一个数据框架。我们叫他
1 2 3 4 5 6 7 8 | > head(bob) phenotype exclusion GSM399350 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- GSM399351 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- GSM399352 3- 4- 8- 25- 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- GSM399353 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- GSM399354 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- GSM399355 3- 4- 8- 25+ 44+ 11b- 11c- 19- NK1.1- Gr1- TER119- |
我想连接这个数据帧的行(这将是另一个问题)。但你看:
1 2 | > class(bob$phenotype) [1]"factor" |
号
1 2 3 | > as.character(head(bob)) [1]"c(3, 3, 3, 6, 6, 6)" "c(3, 3, 3, 3, 3, 3)" [3]"c(29, 29, 29, 30, 30, 30)" |
我不明白这一点,但我想这是对埃多克斯(国王卡拉克塔克斯)的圆柱(国王卡拉克塔克斯的)系数水平的指数。不是我需要的。
奇怪的是,我可以用手穿过
1 | bob$phenotype <- as.character(bob$phenotype) |
。
很好用。并且,在一些输入之后,我可以得到一个data.frame,它的列是字符而不是因子。所以我的问题是:我怎样才能自动地做到这一点?如何将包含因子列的data.frame转换为包含字符列的data.frame,而不必手动遍历每一列?
额外的问题:为什么手动方法有效?
跟着马特和德克。如果要在不更改全局选项的情况下重新创建现有数据帧,可以使用APPLY语句重新创建它:
1 | bob <- data.frame(lapply(bob, as.character), stringsAsFactors=FALSE) |
。
这将把所有变量转换为类"character",如果只想转换因子,请参见下面的marek解决方案。
正如@hadley所指出的,以下内容更为简洁。
1 | bob[] <- lapply(bob, as.character) |
在这两种情况下,
仅替换因素:
1 2 | i <- sapply(bob, is.factor) bob[i] <- lapply(bob[i], as.character) |
在0.5.0版的包dplyr中,引入了新的函数
1 2 | library(dplyr) bob %>% mutate_if(is.factor, as.character) -> bob |
。
rstudio的package purr提供了另一种选择:
1 2 3 | library(purrr) library(dplyr) bob %>% map_if(is.factor, as.character) %>% as_data_frame -> bob |
(记住这是新包装)
全球选择权
stringsAsFactors:
The default setting for arguments of data.frame and read.table.
号
可能是您希望在启动文件(例如~/.rprofile)中设置为
如果您了解如何存储因子,可以避免使用基于应用的函数来完成这一任务。这并不意味着应用解决方案不能很好地工作。
因子被构造为与"级别"列表关联的数字索引。如果将系数转换为数字,则可以看到这一点。所以:
1 2 3 4 5 6 7 | > fact <- as.factor(c("a","b","a","d") > fact [1] a b a d Levels: a b d > as.numeric(fact) [1] 1 2 1 3 |
号
最后一行中返回的数字对应于因子的级别。
1 2 | > levels(fact) [1]"a""b""d" |
号
注意,
1 2 3 | > fact_character <- levels(fact)[as.numeric(fact)] > fact_character [1]"a""b""a""d" |
号
这也适用于数值,前提是将表达式包装在
1 2 3 4 5 6 7 | > num_fact <- factor(c(1,2,3,6,5,4)) > num_fact [1] 1 2 3 6 5 4 Levels: 1 2 3 4 5 6 > num_num <- as.numeric(levels(num_fact)[as.numeric(num_fact)]) > num_num [1] 1 2 3 6 5 4 |
号
如果需要一个新的数据帧
1 | bobc <- rapply(bobf, as.character, classes="factor", how="replace") |
。
如果您想将其转换回原样,您可以创建一个逻辑向量,其中列是因子,并使用该向量有选择地应用因子。
1 2 | f <- sapply(bobf, class) =="factor" bobc[,f] <- lapply(bobc[,f], factor) |
号
我通常将这个功能与我的所有项目分开。快速简单。
1 2 3 4 | unfactorize <- function(df){ for(i in which(sapply(df, class) =="factor")) df[[i]] = as.character(df[[i]]) return(df) } |
号
另一种方法是使用apply转换它
1 | bob2 <- apply(bob,2,as.character) |
号
一个更好的(前一个是"矩阵"类)
1 | bob2 <- as.data.frame(as.matrix(bob),stringsAsFactors=F) |
或者你也可以试试
1 | newbob <- transform(bob, phenotype = as.character(phenotype)) |
。
一定要把你想转换成角色的所有因素都放进去。
或者你可以这样做,一拳杀死所有的害虫:
1 2 3 | newbob_char <- as.data.frame(lapply(bob[sapply(bob, is.factor)], as.character), stringsAsFactors = FALSE) newbob_rest <- bob[!(sapply(bob, is.factor))] newbob <- cbind(newbob_char, newbob_rest) |
。
在这样的代码中推送数据是不好的,我可以单独做
然而,这种方法有一个缺点…之后您必须重新组织列,而使用
所以…=)
更新:这里有一个不起作用的例子。我想是的,但我认为stringsasFactors选项只对字符串起作用——它只保留这些因素。
试试这个:
1 | bob2 <- data.frame(bob, stringsAsFactors = FALSE) |
一般来说,当你遇到应该是字符的因素时,有一个
在数据框架的开头,包括
如果在data.frame上使用
1 2 3 4 5 | library(data.table) dt = data.table(col1 = c("a","b","c"), col2 = 1:3) sapply(dt, class) # col1 col2 #"character" "integer" |
号
如果您的数据集中已经有了一个因子列,并且希望将它们转换为字符,那么可以执行以下操作。
1 2 3 4 5 6 7 8 9 10 | library(data.table) dt = data.table(col1 = factor(c("a","b","c")), col2 = 1:3) sapply(dt, class) # col1 col2 #"factor""integer" upd.cols = sapply(dt, is.factor) dt[, names(dt)[upd.cols] := lapply(.SD, as.character), .SDcols = upd.cols] sapply(dt, class) # col1 col2 #"character" "integer" |
号
这个函数起作用
1 | df <- stacomirtools::killfactor(df) |
这对我有用-我终于想出了一个办法
1 | df <- as.data.frame(lapply(df,function (y) if(class(y)=="factor" ) as.character(y) else y),stringsAsFactors=F) |
号
您应该在
1 2 3 4 5 6 7 | library(dplyr) library(hablar) df <- tibble(a = factor(c(1, 2, 3, 4)), b = factor(c(5, 6, 7, 8))) df %>% convert(chr(a:b)) |
。
这给了你:
1 2 3 4 5 6 | a b <chr> <chr> 1 1 5 2 2 6 3 3 7 4 4 8 |
号