为什么从因子变量的文档中强制转换这个因子变量会返回几个 NA？

如何解决为什么从因子变量的文档中强制转换这个因子变量会返回几个 NA？

因子文档将此代码作为构造因子变量的第一个示例：

(ff <- factor(substring("statistics",1:10,1:10),levels = letters))

所述文档建议如下：

要将因子 f 转换为近似其原始数值，建议使用 as.numeric(levels(f))[f]，其效率略高于 as.numeric(as.character(f))。

但是当我在他们的例子中尝试这些时，我得到了废话：

> (ff <- factor(substring("statistics",levels = letters))
 [1] s t a t i s t i c s
Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z
> ff
 [1] s t a t i s t i c s
Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z
> as.numeric(levels(ff))[ff]
 [1] NA NA NA NA NA NA NA NA NA NA
Warning message:
NAs introduced by coercion 
> as.numeric(as.character(ff))
 [1] NA NA NA NA NA NA NA NA NA NA
Warning message:
NAs introduced by coercion

我的误会在哪里？我认为 ff 因子变量没有任何异常。它肯定有潜在的数字：

> as.integer(ff)
 [1] 19 20  1 20  9 19 20  9  3 19

虽然它的级别是字符，但我也不觉得有什么奇怪的 - 因子变量总是有字符的级别。

解决方法

一旦你创建了 ff 运行这个：table(ff)，它会告诉你每个字母的频率，即使是那些不存在的字母，它们的频率相应地为 0。

现在 levels(ff) 将所有这些字母作为字符返回，将它们包裹在 as.numeric(levels(ff)) 中将始终返回 NA。 as.numeric(as.character(ff)) 也是如此。

我的猜测是您可能对 labels 和 levels 感到困惑。如果您运行 labels(ff)，那么您将获得引用的数字 1 到 10。如果您使用 as.numeric() 进行转换。您将得到 10 个数字的结果。运行：as.numeric(labels(ff))

我希望这能解释您对什么感到困惑。否则请告诉我。

输出：

R>table(ff)
ff
a b c d e f g h i j k l m n o p q r 
1 0 1 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 
s t u v w x y z 
3 3 0 0 0 0 0 0 

R>levels(ff)
 [1] "a" "b" "c" "d" "e" "f" "g" "h"
 [9] "i" "j" "k" "l" "m" "n" "o" "p"
[17] "q" "r" "s" "t" "u" "v" "w" "x"
[25] "y" "z"

R>labels(ff)
 [1] "1"  "2"  "3"  "4"  "5"  "6" 
 [7] "7"  "8"  "9"  "10"

编辑：

好的，似乎 OP 在文档中的这一行有问题：

一个因素的解释取决于代码和 “级别”属性。小心只比较具有相同的因素一组级别（以相同的顺序）。特别是，as.numeric 应用到一个因素是没有意义的，并且可能通过隐式强制发生。到将因子 f 转换为近似其原始数值，推荐使用 as.numeric(levels(f))[f] ，效率稍高一些比 as.numeric(as.character(f)).

现在上面说如果你有因子（最初是数字），不要直接将它们转换成数字，例如：

nums <- c(1,2,3,10)
new_fact <- as.factor(nums)

现在，如果我们尝试从 new_fact 获取数字并运行 as.numeric(new_fact)，我们将得到 1,4（错误）！！！现在这是错误的，所以所有文档都说要转换为原始数字，必须执行 as.numeric(as.character(new_fact)) 或 as.numeric(levels(new_fact))[new_fact]，这两者都会返回 1 2 3 10。我希望这会有所帮助