que - recodificar variables en r

Coaccionar múltiples columnas a factores a la vez

Question

Tengo un marco de datos de muestra como el siguiente:

data <- data.frame(matrix(sample(1:40), 4, 10, dimnames = list(1:4, LETTERS[1:10])))

Quiero saber cómo puedo seleccionar varias columnas y convertirlas juntas en factores. Por lo general, lo hago de la misma manera que los data$A = as.factor(data$A) . Pero cuando el marco de datos es muy grande y contiene muchas columnas, esta forma requerirá mucho tiempo. ¿Alguien sabe de una mejor manera de hacerlo?

Answer 1

Aquí hay un ejemplo de data.table . grep en este ejemplo porque a menudo selecciono muchas columnas usando coincidencias parciales con sus nombres.

library(data.table)
data <- data.table(matrix(sample(1:40), 4, 10, dimnames = list(1:4, LETTERS[1:10])))
factorCols <- grep(pattern = "A|C|D|H", x = names(data), value = TRUE)
data[, (factorCols) := lapply(.SD, as.factor), .SDcols = factorCols]

Answer 2

Aquí hay una opción usando dplyr . El operador %<>% de magrittr actualiza el objeto magrittr con el valor resultante.

library(magrittr)
library(dplyr)
cols <- c("A", "C", "D", "H")
data %<>%
mutate_each_(funs(factor(.)),cols)
str(data)
#''data.frame'': 4 obs. of 10 variables:
# $ A: Factor w/ 4 levels "23","24","26",..: 1 2 3 4
# $ B: int 15 13 39 16
# $ C: Factor w/ 4 levels "3","5","18","37": 2 1 3 4
# $ D: Factor w/ 4 levels "2","6","28","38": 3 1 4 2
# $ E: int 14 4 22 20
# $ F: int 7 19 36 27
# $ G: int 35 40 21 10
# $ H: Factor w/ 4 levels "11","29","32",..: 1 4 3 2
# $ I: int 17 1 9 25
# $ J: int 12 30 8 33

O si estamos usando data.table , use un bucle for con set

setDT(data)
for(j in cols){
set(data, i=NULL, j=j, value=factor(data[[j]]))
}

O podemos especificar los ''cols'' en .SDcols y asignar ( := ) los rhs a ''cols''

setDT(data)[, (cols):= lapply(.SD, factor), .SDcols=cols]

Answer 3

Elija algunas columnas para obligar a los factores:

cols <- c("A", "C", "D", "H")

Use lapply() para forzar y reemplazar las columnas elegidas:

data[cols] <- lapply(data[cols], factor) ## as.factor() could also be used

Comprueba el resultado:

sapply(data, class)
# A B C D E F G
# "factor" "integer" "factor" "factor" "integer" "integer" "integer"
# H I J
# "factor" "integer" "integer" 

Answer 4

La forma tidyverse más reciente es usar la función mutate_at :

library(tidyverse)
library(magrittr)
set.seed(88)
data <- data.frame(matrix(sample(1:40), 4, 10, dimnames = list(1:4, LETTERS[1:10])))
cols <- c("A", "C", "D", "H")
data %<>% mutate_at(cols, funs(factor(.)))
str(data)
$ A: Factor w/ 4 levels "5","17","18",..: 2 1 4 3
$ B: int 36 35 2 26
$ C: Factor w/ 4 levels "22","31","32",..: 1 2 4 3
$ D: Factor w/ 4 levels "1","9","16","39": 3 4 1 2
$ E: int 3 14 30 38
$ F: int 27 15 28 37
$ G: int 19 11 6 21
$ H: Factor w/ 4 levels "7","12","20",..: 1 3 4 2
$ I: int 23 24 13 8
$ J: int 10 25 4 33

Answer 5

Puede usar mutate_if ( dplyr ):

Por ejemplo, coerce integer en factor :

mydata=structure(list(a = 1:10, b = 1:10, c = c("a", "a", "b", "b",
"c", "c", "c", "c", "c", "c")), row.names = c(NA, -10L), class = c("tbl_df",
"tbl", "data.frame"))
# A tibble: 10 x 3
a b c
<int> <int> <chr>
1 1 1 a
2 2 2 a
3 3 3 b
4 4 4 b
5 5 5 c
6 6 6 c
7 7 7 c
8 8 8 c
9 9 9 c
10 10 10 c 

Usa la función:

library(dplyr)
mydata%>%
mutate_if(is.integer,as.factor)
# A tibble: 10 x 3
a b c
<fct> <fct> <chr>
1 1 1 a
2 2 2 a
3 3 3 b
4 4 4 b
5 5 5 c
6 6 6 c
7 7 7 c
8 8 8 c
9 9 9 c
10 10 10 c 

Answer 6

Si tiene otro objetivo de obtener valores de la tabla y luego usarlos para convertirlos, puede intentar de la siguiente manera

### pre processing
ind <- bigm.train[,lapply(.SD,is.character)]
ind <- names(ind[,.SD[T]])
### Convert multiple columns to factor
bigm.train[,(ind):=lapply(.SD,factor),.SDcols=ind]

Esto selecciona columnas que están específicamente basadas en caracteres y luego las convierte en factor.

Answer 7

y, para completar y con respecto a esta pregunta sobre el cambio de columnas de cadena solamente , hay mutate_if :

data <- cbind(stringVar = sample(c("foo","bar"),10,replace=TRUE),
data.frame(matrix(sample(1:40), 10, 10, dimnames = list(1:10, LETTERS[1:10]))),stringsAsFactors=FALSE)
factoredData = data %>% mutate_if(is.character,funs(factor(.)))