7

我有一个 R 数据框，我试图从另一列中减去一列。我使用运算符提取列，$但列的类是“因子”，R 不会对因子执行算术运算。是否有特殊功能可以做到这一点？

4

4 回答 4

21

如果您真的想要使用因子的级别，那么您要么做错了事，要么太聪明了。

如果您拥有的是一个包含存储在因子级别中的数字的因子，那么您希望首先使用以下命令将其强制为数字as.numeric(as.character(...))：

dat <- data.frame(f=as.character(runif(10)))

您可以在此处查看访问因子索引和分配因子内容之间的区别：

> as.numeric(dat$f)
 [1]  9  7  2  1  4  6  5  3 10  8
> as.numeric(as.character(dat$f))
 [1] 0.6369432 0.4455214 0.1204000 0.0336245 0.2731787 0.4219241 0.2910194
 [8] 0.1868443 0.9443593 0.5784658

计时与仅在级别上进行转换的替代方法表明，如果级别不是每个元素唯一的，它会更快：

dat <- data.frame( f = sample(as.character(runif(10)),10^4,replace=TRUE) )
library(microbenchmark)
microbenchmark(
  as.numeric(as.character(dat$f)),
  as.numeric( levels(dat$f) )[dat$f] ,
  as.numeric( levels(dat$f)[dat$f] ),
  times=50
  )

                              expr     min      lq  median      uq     max
1  as.numeric(as.character(dat$f)) 7835865 7869228 7919699 7998399 9576694
2 as.numeric(levels(dat$f))[dat$f]  237814  242947  255778  270321  371263
3 as.numeric(levels(dat$f)[dat$f]) 7817045 7905156 7964610 8121583 9297819

因此，如果length(levels(dat$f)) < length(dat$f)，as.numeric(levels(dat$f))[dat$f]用于显着的速度增益。

如果length(levels(dat$f))约等于length(dat$f)，则没有速度增益：

dat <- data.frame( f = as.character(runif(10^4) ) )
library(microbenchmark)
microbenchmark(
  as.numeric(as.character(dat$f)),
  as.numeric( levels(dat$f) )[dat$f] ,
  as.numeric( levels(dat$f)[dat$f] ),
  times=50
  )

                              expr     min      lq  median      uq      max
1  as.numeric(as.character(dat$f)) 7986423 8036895 8101480 8202850 12522842
2 as.numeric(levels(dat$f))[dat$f] 7815335 7866661 7949640 8102764 15809456
3 as.numeric(levels(dat$f)[dat$f]) 7989845 8040316 8122012 8330312 10420161
于 2011-08-08T10:26:09.923 回答
3

您可以定义自己的运算符来执行此操作，请参阅? Arith. 如果没有组泛型，您可以定义自己的二元运算符 %operator%：

%-% <- function (factor1, factor2){
  # put in the code here to calculate difference 
  # of two factors (e.g. facor1 level cat - factor2 level mouse = ?)
}
于 2011-08-08T09:15:36.473 回答
3

您应该首先仔细检查您是如何提取数据的。如果这些是真正的数字列，R 应该认识到这一点（Excel 有时会搞砸）。无论哪种方式，它都可能被强制转换为一个因素，因为列中还有其他不受欢迎的因素。到目前为止，您收到的回复没有提到 as.numeric() 只返回级别编号。这意味着您不会对已转换为因子的实际数字执行操作，而是对与每个因子关联的级别数字执行操作。

于 2011-08-08T10:27:08.230 回答
1

您需要将因子转换为数值数组。

a <- factor(c(5,6,5))
b <- factor(c(3,2,1))
df <- data.frame(a, b)

# WRONG: Factors can't be subtracted.
df$a - df$b

# CORRECT: Get the levels and substract
as.numeric(levels(df$a)[df$a]) - as.numeric(levels(df$b)[df$b])
于 2011-08-08T09:16:44.093 回答