R读取CSV丢失因子类型？如何避免重复转换因子？

CSV是纯文本格式，不会存储R的因子元数据（比如水平信息），这就是你重新读取后因子变回字符的核心原因。以下是几种不需要重复手动转换的解决方案：

方案1：用R原生格式保存（最推荐，适合大文件） #

直接用saveRDS保存数据，它会完整保留所有数据类型（包括因子、日期时间、整数等），读写速度也远快于CSV，适合500万行的大表：

# 保存处理好的数据
saveRDS(your_filtered_data, "filtered_data.rds")

# 读取时直接恢复所有类型
your_data <- readRDS("filtered_data.rds")

方案2：读取CSV时强制指定因子列及水平 #

如果必须用CSV存储，可以在读取时手动指定目标列的因子类型和对应水平，避免重复转换：

用readr（tidyverse）： #

your_data <- read_csv(
  "filtered_data.csv",
  col_types = cols(
    # 替换成你的因子列名和实际水平
    factor_col1 = col_factor(levels = c("level1", "level2", "level3")),
    factor_col2 = col_factor(levels = c("levelA", "levelB")),
    # 其他列自动识别类型
    .default = col_guess()
  )
)

用data.table::fread： #

your_data <- fread(
  "filtered_data.csv",
  # 指定哪些列是因子
  colClasses = list(factor = c("factor_col1", "factor_col2"))
)
# 手动设置原因子水平
levels(your_data$factor_col1) <- c("level1", "level2", "level3")
levels(your_data$factor_col2) <- c("levelA", "levelB")

方案3：单独保存因子水平，读取时自动加载 #

如果因子水平可能变动，不想硬编码在读取代码里，可以把因子水平单独存成小文件，读取时自动调用：

# 保存因子水平（处理完数据后执行）
factor_levels <- list(
  factor_col1 = levels(your_filtered_data$factor_col1),
  factor_col2 = levels(your_filtered_data$factor_col2)
)
saveRDS(factor_levels, "factor_levels.rds")

# 读取数据时自动恢复因子
factor_levels <- readRDS("factor_levels.rds")
your_data <- read_csv("filtered_data.csv") %>%
  mutate(
    factor_col1 = factor(factor_col1, levels = factor_levels$factor_col1),
    factor_col2 = factor(factor_col2, levels = factor_levels$factor_col2)
  )

内容的提问来源于stack exchange，提问作者Matthew Western