• R语言

  • [已解决]data.frame(stringsAsFactor=F) 用途。

请问在使用data.frame构建数据集的时候，手动设定stringsAsFactor=F的用处什么？有上谷歌上找过答案但是看不太懂。有个答案是这么说的：R often uses a concept of factors to re-encode strings. This can be too early and too aggressive. Sometimes a string is just a string. 求解释，谢谢！！

    yutingwu816

    有意思的问题~

    在计算机存储不发达的时候，将字符串储存为factor可以有效节省存储空间。factor的vector包括两部分，一个数字向量和一个levels用于记录数字->字符串的映射：

    data(iris)
as.numeric(iris$Species)
#
  [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
 [60] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
[119] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

levels(iris$Species)
# setosa -> 1
# versicolor -> 2
# virginica -> 3

[1] "setosa"     "versicolor" "virginica"

    而且也是合理的：因为R的主要运用范围是统计分析，字符串基本就是分类变量了。

    很多时候这并没有什么问题，下面展示一下有问题的情况：

    data(iris)

tmp_species <- iris$Species[1:5]
print(tmp_species)

# looks fine
[1] setosa setosa setosa setosa setosa
Levels: setosa versicolor virginica

## add abcd at a tail of Species
tmp2 <- c(tmp_species,"abcd")
print(tmp2)

# where are the setosas?
[1] "1"    "1"    "1"    "1"    "1"    "abcd"

    看，如果不知道Species是factor的时候，在后面的加个abcd，并没有获得预期的字符串向量，正确的做法：

    data(iris)
tmp_species <- iris$Species[1:5]
tmp_species

tmp3 <- c(as.character(tmp_species),"abcd")
tmp3
# as expected
[1] "setosa" "setosa" "setosa" "setosa" "setosa" "abcd"

    所以stringsAsFactor=F就可以避免上面这样的错误

        tctcab 更改标题为「[已解决]data.frame(stringsAsFactor=F) 用途。」