了解将因子强制转换为 R 数据帧中的字符

Question

试图弄清楚因子/数据框的强制转换在 R 中是如何工作的。我正在尝试为数据框的一个子集绘制箱线图。一步步来看

x = rnorm(30, 1, 1)

创建了一个具有正态分布的向量 x

c = c(rep("x1",10), rep("x2",10), rep("x3",10))

创建了一个字符串，稍后用作绘制 x1、x2、x3 箱线图的一个因素

df = data.frame(x,c)

将 x 和 c 合并为 data.frame。所以现在我们期望 class of df: dataframe, df$x: numeric, df$c: factor（因为我们将 c 发送到数据帧中）和 is.data.frame 和is.list 应用于 df 应该给我们 TRUE 和 TRUE。（我假设所有数据帧也是列表？这就是为什么我们得到两个检查的 TRUE。）

这就是下面发生的事情。到现在都还好。

class(df)
#[1] "data.frame"
is.data.frame(df)
#[1] TRUE
is.list(df)
#[1] TRUE
class(df$x)
#[1] "numeric"
class(df$c)
#[1] "factor"

现在我使用 c 中存在的因素对 x 的分布进行了分组。所以第一个参数是x ~ c。但我只需要两个因素的箱线图：x1 和 x2。所以我在 boxplot 函数中使用了一个 subset 参数。

boxplot(x ~ c, subset=c %in% c("x1", "x2"), data=df)

This is the plot we get, notice since x3 is a factor, it is still plotted 即尽管子集化为 2 个类别，我们在箱线图的 x 轴上仍然有 3 个类别。

所以，我找到的一个解决方案是将 df 变量的 class 更改为 numeric 和 character

class(df)<- c("numeric", "character")

boxplot(x ~ c, subset=c %in% c("x1", "x2"), data=df)

New boxplot. This is what we wanted, so it worked!, we plotted boxes for just x1 and x2, got rid of x3

但是如果我们只是运行相同的检查，我们运行在对所有变量进行强制转换之前，我们会得到这些输出。

有什么好玩的吗？

class(df)
#[1] "numeric"   "character"
is.data.frame(df)
#[1] FALSE
is.list(df)
#[1] TRUE
class(df$x)
#[1] "numeric"
class(df$c)
#[1] "factor"

检查 df $ c（包含 caegories x1、x2、x3 的第二个变量）仍然是一个因子！

并且 df 不再是 list（所以它曾经是一个列表吗？）

如果不更改 df $ c 的数据类型，我们通过 class(df)<- c("numeric", "character") 这种强制转换究竟做了什么？

综上所述，

我对 tldr 版本的问题：

R里都是dataframes，还有lists吗？
为什么我们的箱线图在第二种情况下下降了 x3（当我们将 class(df) 强制转换为 numeric 和 character？
如果我们通过上述步骤强制转换为字符，为什么仍然显示变量的class是factor？
为什么在我们完成上述步骤后 df 不再是 dataframe？

Answer 1

如果我们以不同的顺序回答您的问题，答案会更有意义。

Are all dataframes, also lists in R?

是的。数据框是向量列表（列）。

And why did df stopped being a list after we did the above steps?

没有。它不再是数据框，因为您将 class 更改为 class(df)<- c("numeric", "character")。 is.list(df) returns 仍然正确。

If we did coerce factor into characters by doing the above steps, why is still showing that variable's class is factor?

class(df) 对 df 对象本身进行操作，而不是对列进行操作。看看str(df)。因子列仍然是一个因子。 class(df) 将数据框对象本身的 class 属性设置为矢量。

Why did our boxplot dropped x3 in the 2nd case (when we coerced class(df) into numeric and character?

您通过将对象的 class 属性显式设置为向量 c("numeric", "character") 搞乱了数据框对象。很难预测其全部影响。我最好的猜测是箱线图或绘制轴的函数以某种方式访问了数据框的 class 属性。

做你真正想做的事：

x = rnorm(30, 1, 1)
c = c(rep("x1",10), rep("x2",10), rep("x3",10))
df = data.frame(x,c)
df$c <- as.character(df$c)

或

x = rnorm(30, 1, 1)
c = c(rep("x1",10), rep("x2",10), rep("x3",10))
df = data.frame(x,c, stringsAsFactors=FALSE)

Answer 2

像这样使用droplevels：

df0 <- subset(df, c %in% c("x1", "x2"))
df0 <- transform(df0, c = droplevels(c))
levels(df0$c)
## [1] "x1" "x2"

请注意，现在 c 只有两个级别，而不是三个级别。

我们可以像这样使用 magrittr 将其写成管道：

library(magrittr)

df %>%
   subset(c %in% c("x1", "x2")) %>%
   transform(c = droplevels(c)) %>%
   boxplot(x ~ c, data = .)

了解将因子强制转换为 R 数据帧中的字符

Understanding coercion of factors into characters in an R dataframe

r

class

coercion

factors

boxplot

综上所述，