J'ai un exemple de trame de données comme ci-dessous:
data <- data.frame(matrix(sample(1:40), 4, 10, dimnames = list(1:4, LETTERS[1:10])))
Je veux savoir comment puis-je sélectionner plusieurs colonnes et les convertir ensemble en facteurs. Je le fais habituellement de la manière comme data$A = as.factor(data$A)
. Mais lorsque le bloc de données est très volumineux et contient beaucoup de colonnes, cette procédure prendra beaucoup de temps. Est-ce que quelqu'un connaît une meilleure façon de le faire?
Choisissez des colonnes à contraindre aux facteurs:
cols <- c("A", "C", "D", "H")
Utilisez lapply()
pour contraindre et remplacer les colonnes choisies:
data[cols] <- lapply(data[cols], factor) ## as.factor() could also be used
Vérifiez le résultat:
sapply(data, class)
# A B C D E F G
# "factor" "integer" "factor" "factor" "integer" "integer" "integer"
# H I J
# "factor" "integer" "integer"
Voici une option utilisant dplyr
. L'opérateur %<>%
de magrittr
met à jour l'objet lhs avec la valeur résultante.
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
Ou si nous utilisons data.table
, utilisez une boucle for
avec set
setDT(data)
for(j in cols){
set(data, i=NULL, j=j, value=factor(data[[j]]))
}
Ou nous pouvons spécifier les 'cols' dans .SDcols
et assigner (:=
) les rhs à 'cols'
setDT(data)[, (cols):= lapply(.SD, factor), .SDcols=cols]
La méthode tidyverse
plus récente consiste à utiliser la fonction 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
et, par souci d'exhaustivité et en ce qui concerne cette question concernant le changement de colonnes de chaîne uniquement , il y a 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(.)))
Vous pouvez utiliser mutate_if
(dplyr
):
Par exemple, contraignez integer
dans 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
Utilisez la fonction:
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
Si vous souhaitez obtenir des valeurs de la table pour les convertir, vous pouvez également essayer la méthode suivante.
### 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]
Cela sélectionne les colonnes qui sont spécifiquement basées sur des caractères, puis les convertit en facteur.
Voici un exemple data.table
. J'ai utilisé grep
dans cet exemple, car je sélectionne souvent de nombreuses colonnes en utilisant des correspondances partielles avec leurs noms.
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]