r - 为什么从因子变量的文档中强制这个因子变量会返回几个 NA？

Question

factor 的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))

所述文件建议以下内容：

建议将因子转换f为近似其原始数值，as.numeric(levels(f))[f]并且比as.numeric(as.character(f)).

但是当我在他们的例子中尝试这些时，我会胡说八道：

> (ff <- factor(substring("statistics", 1:10, 1:10), 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 

我的误解在哪里？我看不到ff因子变量有任何异常。它肯定有潜在的数字：

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

尽管它的级别是字符，但我也没有看到任何奇怪的地方 - 因子变量总是具有字符级别。

标签： rcategorical-data

Answer 1

一旦你创建了 ff 运行这个：table(ff)，它会告诉你每个字母表的频率，即使那些不存在的字母表，这些频率对应的是 0。

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

我的猜测是你可能会混淆labels和levels。如果你跑步，labels(ff)那么你会得到数字 1 到 10 的引用。如果您使用as.numeric(). 您将获得 10 个数字的结果。跑：as.numeric(labels(ff))

我希望这能解释你的困惑。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，看来 OP 在文档中的这一行存在问题：

因子的解释取决于代码和“级别”属性。只注意比较具有相同水平集的因子（以相同的顺序）。特别是，应用于因子的 as.numeric 是没有意义的，并且可能通过隐式强制发生。要将因子 f 转换为近似其原始数值，建议使用 as.numeric(levels(f))[f]，并且比 as.numeric(as.character(f)) 稍微高效一些。

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为数字，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 1,2,3,4（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))or as.numeric(levels(new_fact))[new_fact]，两者都会返回1 2 3 10。我希望这有帮助