参见?factor的警告部分:

特别地，作为。数值应用于 一个因素是没有意义的，而且可能 通过隐性胁迫发生。来 将因子f变换为 近似于它原来的数值 值，如.numeric(levels(f))[f]是 推荐，稍微多一点 效率比 as.numeric (as.character (f))。

R的常见问题解答也有类似的建议。

为什么as.numeric(levels(f))[f]比as.numeric(as.character(f))更有效?

As.numeric (as.character(f))实际上是As.numeric (levels(f)[f])，因此您是在长度(x)值上执行到numeric的转换，而不是在nlevels(x)值上执行转换。速度的差异将是最明显的长向量与很少的水平。如果这些值都是唯一的，那么在速度上就不会有太大的差异。无论您如何进行转换，该操作都不太可能成为代码中的瓶颈，因此不必过于担心。

一些时间

library(microbenchmark)
microbenchmark(
  as.numeric(levels(f))[f],
  as.numeric(levels(f)[f]),
  as.numeric(as.character(f)),
  paste0(x),
  paste(x),
  times = 1e5
)
## Unit: microseconds
##                         expr   min    lq      mean median     uq      max neval
##     as.numeric(levels(f))[f] 3.982 5.120  6.088624  5.405  5.974 1981.418 1e+05
##     as.numeric(levels(f)[f]) 5.973 7.111  8.352032  7.396  8.250 4256.380 1e+05
##  as.numeric(as.character(f)) 6.827 8.249  9.628264  8.534  9.671 1983.694 1e+05
##                    paste0(x) 7.964 9.387 11.026351  9.956 10.810 2911.257 1e+05
##                     paste(x) 7.965 9.387 11.127308  9.956 11.093 2419.458 1e+05

从我能读到的许多答案中，唯一给出的方法是根据因素的数量扩大变量的数量。如果你有一个级别为“dog”和“cat”的变量“pet”，你最终会得到pet_dog和pet_cat。

在我的例子中，我希望保持相同数量的变量，通过将因子变量转换为数值变量，以一种可以应用于许多级别的许多变量的方式，例如cat=1和dog=0。

对应的解决方案如下:

crime <- data.frame(city = c("SF", "SF", "NYC"),
                    year = c(1990, 2000, 1990),
                    crime = 1:3)

indx <- sapply(crime, is.factor)

crime[indx] <- lapply(crime[indx], function(x){ 
  listOri <- unique(x)
  listMod <- seq_along(listOri)
  res <- factor(x, levels=listOri)
  res <- as.numeric(res)
  return(res)
}
)

R有许多(未记录的)便利函数用于转换因子:

as.character.factor as.data.frame.factor as.Date.factor as.list.factor as.vector.factor .．.

但令人烦恼的是，没有任何东西可以处理因子->数字转换。作为Joshua Ulrich回答的延伸，我建议通过定义你自己的惯用函数来克服这个遗漏:

as.double.factor <- function(x) {as.numeric(levels(x))[x]}

你可以把它存储在你的脚本开头，或者更好的存储在你的。rprofile文件中。

只有在因子标签与原始值匹配的情况下才有可能。我将用一个例子来解释。

假设数据是向量x:

x <- c(20, 10, 30, 20, 10, 40, 10, 40)

现在我将创建一个带有四个标签的因子:

f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))

1) x的类型是double, f的类型是integer。这是第一个不可避免的信息损失。因子总是存储为整数。

> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"

2)如果只有f可用，则不可能恢复到原始值(10,20,30,40)。我们可以看到f只包含整数值1、2、3、4和两个属性——标签列表(“A”、“B”、“C”、“D”)和类属性“factor”。仅此而已。

> str(f)
 Factor w/ 4 levels "A","B","C","D": 2 1 3 2 1 4 1 4
> attributes(f)
$levels
[1] "A" "B" "C" "D"

$class
[1] "factor"

要恢复到原始值，我们必须知道在创建因子时使用的级别值。这里是c(10,20,30,40)如果我们知道原始的水平(以正确的顺序)，我们可以恢复到原始的值。

> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE

这只在为原始数据中的所有可能值定义了标签的情况下才有效。

所以如果你需要原始值，你必须保留它们。否则，很有可能无法仅从一个因素得到反馈。

如果有数据帧，可以使用hablar::convert。语法很简单:

样本df

library(hablar)
library(dplyr)

df <- dplyr::tibble(a = as.factor(c("7", "3")),
                    b = as.factor(c("1.5", "6.3")))

解决方案

df %>% 
  convert(num(a, b))

给你:

# A tibble: 2 x 2
      a     b
  <dbl> <dbl>
1    7.  1.50
2    3.  6.30

或者如果你想让一列是整数，一列是数字:

df %>% 
  convert(int(a),
          num(b))

结果:

# A tibble: 2 x 2
      a     b
  <int> <dbl>
1     7  1.50
2     3  6.30

看起来解决方案作为.numeric(水平(f))[f]不再工作与R 4.0。

可选择的解决方案:

factor2number <- function(x){
    data.frame(levels(x), 1:length(levels(x)), row.names = 1)[x, 1]
}

factor2number(yourFactor)