R - 从因子到数字或整数错误

Question

我在 R 中有一个数据框我从 CSV 文件加载的。其中一个变量称为“金额”，旨在包含正数和负数。

当我查看数据框时，这个变量的数据类型被列为一个因子，我需要它的数字格式(虽然不确定是哪种 - 整数 - 数字，嗯......？)。因此，我尝试将其转换为这两种格式之一，但看到了一些有趣的行为。

初始数据帧:

str(df)

Amount        : Factor w/ 11837 levels "","-1","-10",..: 2 2 1664 4 6290 6290 6290 6290 6290 6290 ...

正如我上面提到的，当我尝试将它转换为数字或整数时，我看到了一些奇怪的东西。为了证明这一点，我把这个比较放在一起:

df2 <- data.frame(df$Amount, as.numeric(df$Amount), as.integer(df$Amount))

str(df2)
'data.frame':   2620276 obs. of  3 variables:
 $ df.Amount            : Factor w/ 11837 levels "","-1","-10",..: 2 2 1664 4 6290 6290 6290 6290 6290 6290 ...
 $ as.numeric.df.Amount.: num  2 2 1664 4 6290 ...
 $ as.integer.df.Amount.: int  2 2 1664 4 6290 6290 6290 6290 6290 6290 ...

> head(df2, 20)
         df.Amount        as.numeric.df.Amount.       as.integer.df.Amount.
1               -1                           2                           2
2               -1                           2                           2
3             -201                        1664                        1664
4             -100                           4                           4
5                1                        6290                        6290
6                1                        6290                        6290
7                1                        6290                        6290
8                1                        6290                        6290
9                1                        6290                        6290
10               1                        6290                        6290
11               1                        6290                        6290
12               1                        6290                        6290
13               1                        6290                        6290
14               1                        6290                        6290
15               1                        6290                        6290
16               1                        6290                        6290
17               1                        6290                        6290
18               2                        7520                        7520
19               2                        7520                        7520
20               2                        7520                        7520

as.numeric和 as.integer函数正在使用 Amount 变量并对它做一些事情，但我不知道那是什么。我的目标是将 Amount 变量转换为某种数字数据类型，以便我可以对其执行 sum/mean/etc。

我做错了什么导致了奇怪的数字，我该怎么做才能解决它？

Answer 1

问题的根源可能是您导入的 csv 中的一些时髦值。如果它来自excel，这并不少见。它可以是百分比符号、excel 中的“注释”字符或一长串内容中的任何一个。我会在您选择的编辑器中查看 csv，看看您能看到什么。

除此之外，您还有几个选择。
read.csv接受一个可选参数 stringsAsFactors您可以设置为 FALSE
因子存储为映射到值的整数级别。当您直接使用 as.numeric 进行转换时您最终会得到这些整数级别而不是初始值:

> x<-10:20
> as.numeric(factor(x))
 [1]  1  2  3  4  5  6  7  8  9 10 11
> 

否则看 ?factor :

In particular, as.numeric applied to a factor is meaningless, and may happen by implicit coercion. To transform a factor f to approximately its original numeric values, as.numeric(levels(f))[f] is recommended and slightly more efficient than as.numeric(as.character(f)).

但是，我怀疑这会出错，因为输入中除了数字之外还有其他内容。