Conversione stringa numerica

Question

ho importato un file di prova e ha cercato di fare un istogramma

pichman <- read.csv(file="picman.txt", header=TRUE, sep="/t") 
hist <- as.numeric(pichman$WS)  

Tuttavia, ottengo numeri diversi dai valori nel mio set di dati. Inizialmente ho pensato che questo perché ho avuto il testo, così ho cancellato il testo:

table(pichman$WS)  
ws <- pichman$WS[pichman$WS!="Down" & pichman$WS!="NoData"]  

Tuttavia, sono ancora ricevendo i numeri molto elevati qualcuno ha un'idea?

Answer 1

Ho il sospetto che tu abbia un problema con i fattori. Ad esempio,

> x = factor(4:8) 
> x 
[1] 4 5 6 7 8 
Levels: 4 5 6 7 8 
> as.numeric(x) 
[1] 1 2 3 4 5 
> as.numeric(as.character(x)) 
[1] 4 5 6 7 8 

Alcuni commenti:

• si menziona che il vettore contiene i caratteri "Down" e "NoData". Cosa si aspetta/vuole as.numeric fare con questi valori?
• In read.csv, provare a utilizzare l'argomento stringsAsFactors=FALSE
• Sei sicuro che sia sep="/t e non sep="\t"
• Utilizzare il comando head(pitchman) per verificare le prime fews righe di dati
• Inoltre, è molto difficile da indovinare che cosa il vostro il problema è quando non si forniscono dati. Un esempio di lavoro minimo è sempre preferibile. Ad esempio, non posso eseguire il comando pichman <- read.csv(file="picman.txt", header=TRUE, sep="/t") poiché non ho accesso al set di dati.

Answer 2

Come ha detto csgillespie. stringsAsFactors è di default su TRUE, che converte qualsiasi testo in un fattore. Quindi, anche dopo aver eliminato il testo, hai ancora un fattore nel tuo dataframe.

Ora, per quanto riguarda la conversione, c'è un modo più ottimale per farlo. Quindi l'ho messo qui come riferimento:

> x <- factor(sample(4:8,10,replace=T)) 
> x 
[1] 6 4 8 6 7 6 8 5 8 4 
Levels: 4 5 6 7 8 
> as.numeric(levels(x))[x] 
[1] 6 4 8 6 7 6 8 5 8 4 

Per dimostrarlo funziona.

I tempi:

> x <- factor(sample(4:8,500000,replace=T)) 
> system.time(as.numeric(as.character(x))) 
    user system elapsed 
    0.11 0.00 0.11 
> system.time(as.numeric(levels(x))[x]) 
    user system elapsed 
     0  0  0 

E 'un grande miglioramento, ma non sempre un collo di bottiglia. Diventa importante tuttavia se hai un grande dataframe e un sacco di colonne da convertire.