R語言:實現因子與字符串的互轉
在導入大批量數據時，如果沒有顯式地指定“stringsAsFactors = FALSE”，默認會將所有的字符串轉換為因子，導致數據處理速度較慢。
示例數據如下：
name,math,english,sex,year "yiifaa",65,68,"M",2018 "yiifee",95,98,"F",2018 "guagua",75,78,"M",2018 "MM",85,88,"F",2018
查看數據概要，發現默認將字符串轉換為因子，並進行瞭分組計數(這也是處理速度較慢的原因之一)
概要如下：
name math english sex year
guagua:1 Min. :65.0 Min. :68.0 F:2 Min. :2018
MM :1 1st Qu.:72.5 1st Qu.:75.5 M:2 1st Qu.:2018
yiifaa:1 Median :80.0 Median :83.0 Median :2018
yiifee:1 Mean :80.0 Mean :83.0 Mean :2018
3rd Qu.:87.5 3rd Qu.:90.5 3rd Qu.:2018
Max. :95.0 Max. :98.0 Max. :2018
但這樣的分組計數並沒有意義，所以需要利用“as.character”轉換為字符，如下：
#! /usr/bin/env RScript
setwd("D:/Workspace/R-Works/R-Stat")
scores <- read.table("Score.txt", header = TRUE, sep = ",", quote="\"", encoding = "UTF-8", stringsAsFactors = TRUE)
# 將因子轉換為字符
scores$name <- as.character(scores$name)
# 多轉一個進行測試
scores$sex <- as.character(scores$sex)
再次查看概要，如下：
name math english sex year
Length:4 Min. :65.0 Min. :68.0 Length:4 Min. :2018
Class :character 1st Qu.:72.5 1st Qu.:75.5 Class :character 1st Qu.:2018
Mode :character Median :80.0 Median :83.0 Mode :character Median :2018
Mean :80.0 Mean :83.0 Mean :2018
3rd Qu.:87.5 3rd Qu.:90.5 3rd Qu.:2018
Max. :95.0 Max. :98.0 Max. :2018
可以看到，概要中已經沒有瞭分組計數，但多瞭總數計量，如果要恢復分組計數，則需要重新創建因子，如下：
scores$sex <- factor(scores$sex, levels=c("M", "F"), ordered = TRUE)
結論
在導入大批量數據時，為瞭提高性能，盡可能分兩步走：
1. 顯式指定“stringsAsFactors = FALSE”；
2. 依次將所需要的數據列(向量)轉換為因子；
補充：R語言：變量名稱和字符串的轉換
在R語言中，經常會遇到變量名稱和字符串相互轉換的問題。
比如說，進行1000次循環運算，並將運算結果存儲在1000個變量中，如x_1, x_2, … , x_1000。這時候可以使用assign()函數，示例如下：
> a
錯誤: 找不到對象'a'
> assign('a', 1)
> a
[1] 1
上面的例子將字符’a’轉變為變量a，並將其賦值為1 。
相反，如果我們想遍歷一個變量序列，並對其中的每一個變量都進行操作，該怎麼辦呢？我們可以使用get()函數。示例如下：
> a <- 1
> b <- 2
> c <- 3
> sequence <- c('a', 'b', 'c')
> for (var in sequence){print(var + 10)}
錯誤於var + 10 : 二進列運算符中有非數值參數
> for (var in sequence){print(get(var) + 10)}
[1] 11
[1] 12
[1] 13
我們可以發現，get函數將字符var轉變為變量，並根據變量的值進行後續操作。
以上為個人經驗，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方，望不吝賜教。
推薦閱讀：
- None Found