r - 高效使用 as.numeric() 和 factor()

Question

我有数百个从数据库导入到 R 中的字符向量——每个字符向量的长度为 6-7 百万。它们是具有标签字符（字母）的数字或因子数据 - 要设置的级别，所有因子，都有一些 NA。举个例子

vecA <- c("1",NA, "2",....,NA, "100")
vecB <- c("smith", NA, NA, ... , "jones")

有没有一种有效的方法来强制 vecA 为数字和 vecB 为因子。问题是我不知道数字和因子向量在数据中的位置，并且一一浏览它们很乏味。

Answer 1

我可能会使用tryCatch(), 首先尝试将每个向量转换为 class "numeric"。如果as.numeric()抛出警告消息（就像输入向量包含非数字字符时一样），我会捕获警告并将向量转换为 class "factor"。

vecA <- c("1",NA, "2",NA, "100")
vecB <- c("smith", NA, NA, "jones")

myConverter <- function(X) tryCatch(as.numeric(X), 
                                    warning = function(w) as.factor(X))

myConverter(vecA)
# [1]   1  NA   2  NA 100
myConverter(vecB)
# [1] smith <NA>  <NA>  jones
# Levels: jones smith

Answer 2

也许是一个正则表达式？对于每个向量，匹配看起来像数字的东西。

convert.numeric <- function(vec) {
  if( grepl("^[0-9]*(\\.[0-9]+)?$",vec)) == !is.na(vec)) ) {
    vec <- as.numeric(vec)
  } else { vec <- as.factor(vec) }
  return(vec)
}

然后将您的向量包装到一个列表中并使用lapply：

new.vectors <- lapply(old.vectors,convert.numeric)