【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 
当我将因子转换为数字或整数时，我得到的是底层的级别代码，而不是数值。
f <- factor(sample(runif(5), 20, replace = TRUE))
## [1] 0.0248644019011408 0.0248644019011408 0.179684827337041
## [4] 0.0284090070053935 0.363644931698218 0.363644931698218
## [7] 0.179684827337041 0.249704354675487 0.249704354675487
## [10] 0.0248644019011408 0.249704354675487 0.0284090070053935
## [13] 0.179684827337041 0.0248644019011408 0.179684827337041
## [16] 0.363644931698218 0.249704354675487 0.363644931698218
## [19] 0.179684827337041 0.0284090070053935
## 5 Levels: 0.0248644019011408 0.0284090070053935 ... 0.363644931698218
as.numeric(f)
## [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2
as.integer(f)
## [1] 1 1 3 2 5 5 3 4 4 1 4 2 3 1 3 5 4 5 3 2
我必须求助于paste以获得真实的价值：
as.numeric(paste(f))
## [1] 0.02486440 0.02486440 0.17968483 0.02840901 0.36364493 0.36364493
## [7] 0.17968483 0.24970435 0.24970435 0.02486440 0.24970435 0.02840901
## [13] 0.17968483 0.02486440 0.17968483 0.36364493 0.24970435 0.36364493
## [19] 0.17968483 0.02840901
有没有更好的方法可以将因子转换为数值？
#1楼
R具有许多（未记录）便利函数，用于转换因子：
-
as.character.factor -
as.data.frame.factor -
as.Date.factor -
as.list.factor -
as.vector.factor - ...
但是令人烦恼的是，没有什么要处理的因素->数字转换。 作为约书亚·乌尔里希（Joshua Ulrich）答案的延伸，我建议通过定义自己的惯用函数来克服这一遗漏：
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
您可以将其存储在脚本的开头，甚至可以存储在.Rprofile文件中。
#2楼
仅在因子标签与原始值匹配的情况下才有可能。 我将用一个例子来解释。
假设数据是向量x ：
x <- c(20, 10, 30, 20, 10, 40, 10, 40)
现在，我将创建一个带有四个标签的因子：
f <- factor(x, levels = c(10, 20, 30, 40), labels = c("A", "B", "C", "D"))
1） x是double类型， f是integer类型。 这是第一个不可避免的信息丢失。 因子始终存储为整数。
> typeof(x)
[1] "double"
> typeof(f)
[1] "integer"
2）不可能恢复为只有f可用的原始值（10、20、30、40）。 我们可以看到f仅包含整数值1、2、3、4和两个属性-标签列表（“ A”，“ B”，“ C”，“ D”）和类属性“ factor”。 而已。
> str(f)
Factor w/ 4 levels "A","B","C","D": 2 1 3 2 1 4 1 4
> attributes(f)
$levels
[1] "A" "B" "C" "D"
$class
[1] "factor"
为了恢复到原始值，我们必须知道用于创建因子的水平值。 在这种情况下c(10, 20, 30, 40) 。 如果我们知道原始级别（以正确的顺序），则可以恢复为原始值。
> orig_levels <- c(10, 20, 30, 40)
> x1 <- orig_levels[f]
> all.equal(x, x1)
[1] TRUE
只有在为原始数据中的所有可能值定义了标签的情况下，这才起作用。
因此，如果您需要原始值，则必须保留它们。 否则，很有可能仅凭一个因素就无法与他们联系。
#3楼
最简单的方法是使用包varhandle中的 unfactor函数
unfactor(your_factor_variable)
这个例子可以快速入门：
x <- rep(c("a", "b", "c"), 20)
y <- rep(c(1, 1, 0), 20)
class(x) # -> "character"
class(y) # -> "numeric"
x <- factor(x)
y <- factor(y)
class(x) # -> "factor"
class(y) # -> "factor"
library(varhandle)
x <- unfactor(x)
y <- unfactor(y)
class(x) # -> "character"
class(y) # -> "numeric"
#4楼
请参阅?factor的警告部分：
特别是，
as.numeric施加到一个因素是没有意义的，并且可以通过隐式强制发生。 为了将因子f转换为近似于其原始数值，建议使用as.numeric(levels(f))[f]其效率要比as.numeric(as.character(f))。
关于R的FAQ 也有类似的建议 。
为什么as.numeric(levels(f))[f]比as.numeric(as.character(f))更有效？
as.numeric(as.character(f))实际上是as.numeric(levels(f)[f]) ，因此您正在执行对length(x)值而不是nlevels(x)值的数字转换。 对于水平少的长矢量，速度差异最为明显。 如果这些值大多是唯一的，则速度不会有太大差异。 无论您进行转换，此操作都不大可能成为代码中的瓶颈，因此不必担心太多。
一些时机
library(microbenchmark)
microbenchmark(
as.numeric(levels(f))[f],
as.numeric(levels(f)[f]),
as.numeric(as.character(f)),
paste0(x),
paste(x),
times = 1e5
)
## Unit: microseconds
## expr min lq mean median uq max neval
## as.numeric(levels(f))[f] 3.982 5.120 6.088624 5.405 5.974 1981.418 1e+05
## as.numeric(levels(f)[f]) 5.973 7.111 8.352032 7.396 8.250 4256.380 1e+05
## as.numeric(as.character(f)) 6.827 8.249 9.628264 8.534 9.671 1983.694 1e+05
## paste0(x) 7.964 9.387 11.026351 9.956 10.810 2911.257 1e+05
## paste(x) 7.965 9.387 11.127308 9.956 11.093 2419.458 1e+05
#5楼
注意：此特定答案不是用于将数值因子转换为数值，而是用于将分类因子转换为其相应的级别编号。
这篇文章中的每个答案都无法为我产生结果，正在产生NA。
y2<-factor(c("A","B","C","D","A"));
as.numeric(levels(y2))[y2]
[1] NA NA NA NA NA Warning message: NAs introduced by coercion
对我有用的是-
as.integer(y2)
# [1] 1 2 3 4 1
来源：oschina
链接：https://my.oschina.net/u/3797416/blog/3154855