R语言tidymodels数据预处理中drat值异常变更问题咨询

问题根源 #

你遇到的不是bug，是tidymodels的recipe组件的默认行为：当你创建recipe时，字符型的预测变量会被自动推断为分类变量（转为因子），哪怕你手动设置了角色。这时候直接用as.numeric()处理，得到的是因子水平的整数索引（比如"3.9"是drat因子的第16个水平，所以转成16），而不是字符串对应的数值。

而function(x) as.numeric(as.character(x))能正常工作，是因为它先把自动生成的因子转回字符串，再转换为数值，绕开了因子索引的问题。

两种正确的解决方式 #

方式1：禁用自动转因子 #

在创建recipe时添加strings_as_factors = FALSE参数，让字符变量保持原类型，直接用as.numeric就能正确转换：

library(tidymodels)

mt <- mtcars[,c('mpg', 'hp', 'drat', 'am')]
mt$hp <- as.character(mt$hp)
mt$drat <- as.character(mt$drat)

dp_pipe1 <- recipe(mpg ~ hp + drat + am, data = mt, strings_as_factors = FALSE) %>% 
  update_role(c(hp, drat), new_role = "to_numeric") %>% 
  step_mutate_at(has_role('to_numeric'), fn = as.numeric)

dp_pipe2 <- prep(dp_pipe1)
bake(dp_pipe2, NULL)

方式2：使用鲁棒的数值解析函数 #

用readr::parse_number()替代as.numeric，它会自动处理因子转字符串的过程，还能兼容带非数字字符的字符串（如果有的话）：

dp_pipe1 <- recipe(mpg ~ hp + drat + am, data = mt) %>% 
  update_role(c(hp, drat), new_role = "to_numeric") %>% 
  step_mutate_at(has_role('to_numeric'), fn = readr::parse_number)

dp_pipe2 <- prep(dp_pipe1)
bake(dp_pipe2, NULL)

总结 #

这是recipe默认的变量类型推断逻辑导致的，不是bug。通过上述两种方法，都能稳定完成字符到数值的转换。

内容的提问来源于stack exchange，提问作者PKumar