如何从 R 中的文本值创建分类变量

Question

我有一个包含分类变量的数据集 Weather。该变量有 3 个不同的文本值，即 "Dry"、"Drizzle" 和 "Rain".

我想创建另一个变量，我可以为这些变量分配数值。例如 Dry 将是 1，Drizzle 将是 2，Rain 将是 3。

作为附带信息，weather 变量将用于预测供水系统的堵塞情况，因此我将在某种线性回归模型中使用它。

Answer 1

我们可以转换为factor，然后强制转换为integer

as.integer(factor(df1$Weather, levels = c("Dry", "Drizzle", "Rain"))

Answer 2

您可以转换为有序因子并为其分配标签：

data <- data.frame(Weather = c("Drizzle", "Rain", "Drizzle", "Rain", "Dry")) factor(data$Weather, levels = c("Dry", "Drizzle", "Rain"), labels = c(1, 2, 3), ordered=TRUE)

哪个会 return:

[1] 2 3 2 3 1 Levels: 1 < 2 < 3

您可能还想阅读有关在线性回归模型中使用有序因子的信息。这个问题可能是一个好的开始： https://stats.stackexchange.com/questions/33413/continuous-dependent-variable-with-ordinal-independent-variable

Answer 3

郑重声明，这也可以完成工作：

match(df1$Weather, c("Dry", "Drizzle", "Rain"))

这比@akrun 的解决方案稍快（无论如何已经非常快）：

x <- sample(c("Dry", "Drizzle", "Rain"), 1e6, rep=T)

microbenchmark::microbenchmark(
   as.integer(factor(x, levels = c("Dry", "Drizzle", "Rain"))),
   match(x, c("Dry", "Drizzle", "Rain"))
)

Unit: milliseconds
expr      min       lq       mean     median       
14.31158  18.13069  23.19702 20.98414 23.10840 
13.30326  16.00538  19.07544 17.59751 19.53679

如何从 R 中的文本值创建分类变量

How to create categorical variables from text values in R

r

categorical-data