|
小技巧--對常用的三種數據類型進行轉換（數值型、字符型和因子型）。為什么要了解數據結構之間的差異和做對應轉換呢？通常在畫圖和做分析時，不同情況對數據類型需求不一樣，特別是新手在學習代碼的時候，如果不清楚數據結構很容易造成錯誤。針對不同情況，根據自己的需求調整對應的數據類型，這樣有助于我們更好地學習和運行code。通常所有的數據我們統(tǒng)稱為向量，針對不同數據集結構（這里可以參考我們以前發(fā)表的推文：【R分享|實戰(zhàn)】 新手福利~認識數據集的內在），主要可分為兩類向量。一是，原子向量；二是，遞歸向量。我們可以借助下面這張圖（黃師兄的總結）來理解：也就是說，原子向量主要包括：logical，integer, double, character等類型，其中integer和double統(tǒng)稱為numeric(數值型向量)。而列表通常被稱為遞歸向量，因為它可以包含其他列表。 
針對這部分內容，以代碼的形式給大家分享和講解，希望能幫助大家少走彎路。首先，我們先構造數據集，并解讀數據集中不同的數據類型：# 不同數據類型之間的差異與轉換 --------------------------
# 隨機構造數據集
year <- rep(2000:2021, 2)
treatment <- rep(c("ck","treat"), each = 22)
type <- factor(rep(c("a","b","c","d"), each = 11))
value1 <- sample(1:50, 44)
value2 <- round(runif(44, min = 0, max = 1), 3)
set.seed(111)
value3 <- sample(c("1","1.5","2.5","3.5","4.5","5"), 44, replace = T)
set.seed(111)
value4 <- sample(c(1,1.5,2.5,3.5,4.5,5), 44, replace = T)
# 打包數據集
dat <- data.frame(treatment, type, year, value1, value2, value3, value4)
# 查看數據結構
str(dat)
# 從查詢的結果來看，treatment這個變量是字符型-“cha”向量；
# type為因子型向量（factor）w/4表示有4個因子
# year是整數-“int”數值型向量；value1與year是同樣類型的數值；
# value2是數值型向量；value3是字符型；value4是與v3相同值的數值型變量。
上述code的結果：
然后，我們分別以繪圖和跑模型的方式對其差異進行講解：# 以畫圖為例進行不同數據類型變量的講解：
library(ggplot2)
ggplot(data = dat, aes(x = year, y = value1, color=treatment))+
geom_point()+
geom_line()+
labs(x="year")
# 從圖來看，由于year是數值型變量，畫圖時候會默認成連續(xù)型的所以會有間隔
# 這里我們將year改成因子型變量再對其進行展示：
ggplot(dat, aes(as.factor(year), value1, color=treatment))+
geom_point()+
# geom_line()+
geom_path(group=treatment)+
labs(x="year")
# 由于對x的變量進行了因子型轉換，這個地方也是大家比較容易出錯的。
# 對變量進行因子轉化后，geom_line函數不能識別分組；
# 因此利用geom_path函數的分組進行繪制。
從兩張圖來看，結果似乎差異不大，僅僅在x軸的label上出現(xiàn)了差異。圖1為數值型的x軸是連續(xù)的，默認為數值，并不是實際的年份，所以會出現(xiàn)0.5這樣的年份表達。 如果，我們將y軸用字符型的數據進行繪圖，會有怎么的差異：
# 如果我們使用字符型作為我們的x軸和y軸，看看結果如何；
ggplot(dat, aes(treatment, value3, fill = type))+
geom_bar(stat = "identity", position = "dodge")
# 用相同的數值，但是不同的數據類型y，比較兩者差異
ggplot(dat, aes(treatment, value4, fill = type))+
geom_bar(stat = "identity", position = "dodge")
從兩個結果來看，存在明顯差異。如果是數值型向量，柱狀圖會默認展示一個總的柱狀圖；而如果是字符型向量，可以把每一個值都看作是個體，展示所有的情況。 接下來，我們從模型方面來理解，這里以最簡單的線性模型為例：# 如果自變量為數值型
fit1 <- lm(value1 ~ year, data=dat)
summary(fit1)
# 如果自變量為因子型
fit2 <- lm(value1~ as.factor(year), data=dat)
summary(fit2)
# 如果自變量為字符型
fit3 <- lm(value1~ as.character(year), data=dat)
summary(fit3)
當自變量為數值型時： 
當自變量為字符型時：
從這里可以看出當自變量為因子型或者字符型時，會將每個年份都作為一個個體與因變量做擬；而數值型是一個總體。并且，需要考慮當用其他更加復雜的模型，如果是字符型或因子型會延長模型的計算時間。特別是混合效應模型。 最后，我們可以根據自己的需要對三種數據類型之間進行轉換：# 三種數據類型之間的轉換 -------------------------------------------------------------
# 如何將因子(factor)類型里的數值轉換對應的數值型呢？
# 有兩種方式
# 首先對year數值型變量轉化成因子型（這個只是為了做個示范，如果本身有因子型就不需要再做轉換）
dat$year <- factor(dat$year)
class(dat$year)
# 然后再嘗試將其轉化數值
year <- as.numeric(as.character(dat$year))
class(year)
# y1 <- as.numeric(levels(dat$year)[dat$year])
# class(y1)
# 因子型轉數值型的思路：先轉換成字符型然后再轉換成數值型。
# 如何將字符型的數值轉換對應的數值型？
v3_num <- as.data.frame(lapply(dat$value3,as.numeric))
str(v3_num)
# 我們查看結果發(fā)現(xiàn)是轉化了但是變成了1行N列的值
# 需要對其進行轉置
# 由于轉置之后數據框變成了矩陣，用data.frame把矩陣又變回數據框
# 同時在轉數據框的時候一定要加上stringsAsFactors = F
v3_t <- t(v3_num)
v3_t_num <- data.frame(v3_t, stringsAsFactors = F)
dat$v3 <- v3_t_num$v3_t
str(dat)
# 最后可以看到v3的結果和value4的結果是一樣的，說明成功了。
# 如何對字符型和因子型進行互轉？
# 將字符型轉換成因子型
value3 <- as.character(dat$value3)
class(value3)
# 將因子型轉換成字符型
value3_1 <- factor(value3)
class(value3_1)
|
