如果您了解因子是如何存储的，就可以避免使用基于应用程序的函数来实现这一点。这并不是说应用解决方案不能很好地工作。

因素的结构是与“级别”列表相关联的数字索引。如果将因数转换为数字，就可以看到这一点。所以:

> 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

最后一行返回的数字对应于因子的级别。

> levels(fact)
[1] "a" "b" "d"

注意，levels()返回一个字符数组。你可以使用这个事实轻松简洁地将因数转换为字符串或数字，如下所示:

> fact_character <- levels(fact)[as.numeric(fact)]
> fact_character
[1] "a" "b" "a" "d"

这也适用于数值，只要你用as.numeric()包装你的表达式。

> 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

仅替换因素:

i <- sapply(bob, is.factor)
bob[i] <- lapply(bob[i], as.character)

在0.5.0版的dplyr包中引入了新的函数mutate_if:

library(dplyr)
bob %>% mutate_if(is.factor, as.character) -> bob

.．.在1.0.0版本中被across取代:

library(dplyr)
bob %>% mutate(across(where(is.factor), as.character)) -> bob

RStudio中的包purrr提供了另一种选择:

library(purrr)
bob %>% modify_if(is.factor, as.character) -> bob

这可以将所有内容转换为字符，然后将数字转换为数字:

makenumcols<-function(df){
  df<-as.data.frame(df)
  df[] <- lapply(df, as.character)
  cond <- apply(df, 2, function(x) {
    x <- x[!is.na(x)]
    all(suppressWarnings(!is.na(as.numeric(x))))
  })
  numeric_cols <- names(df)[cond]
  df[,numeric_cols] <- sapply(df[,numeric_cols], as.numeric)
  return(df)
}

改编自:自动获取excel表的列类型

这个函数很有用

df <- stacomirtools::killfactor(df)

我通常将这个函数与我的所有项目分开。又快又简单。

unfactorize <- function(df){
  for(i in which(sapply(df, class) == "factor")) df[[i]] = as.character(df[[i]])
  return(df)
}

更新:这里有一个不起作用的例子。我认为它会，但我认为stringsAsFactors选项只适用于字符串-它离开因子单独。

试试这个:

bob2 <- data.frame(bob, stringsAsFactors = FALSE)

一般来说，当你遇到应该是字符的因子的问题时，总会有一个stringsAsFactors设置来帮助你(包括一个全局设置)。