在R语言中仅对分类变量执行unclass处理并调整编码的方法求助

我来帮你搞定这个问题！你需要的是只把Restaurant列从字符型转为从0开始的数字编码，同时保留isHot和isCrispy的原始数值，对吧？之前用sapply(unclass)的问题在于它会把所有列都统一处理，导致数值列也被修改，我们只需要针对性操作Restaurant列就行。

方法1：使用dplyr（推荐，符合你习惯的管道语法） #

因为你已经在使用管道符%>%，用dplyr的mutate函数可以轻松修改单列：

library(dplyr)

# 先构造你的原始数据框
df <- tibble(
  isHot = c(1, 0, 1, 0),
  isCrispy = c(0, 0, 1, 0),
  Restaurant = c("A", "B", "B", "C")
)

# 转换Restaurant列
df_transformed <- df %>%
  mutate(Restaurant = as.integer(factor(Restaurant)) - 1)

• 原理：factor(Restaurant)把字符转为因子，默认按字母顺序分配水平（A→1，B→2，C→3）；
• as.integer()提取因子的编码值，再减1就得到0、1、2的结果；
• 其他列完全保持原始数值不变。

方法2：Base R（无需额外包） #

如果不想加载dplyr，直接用基础R修改列即可：

# 原始数据框
df <- data.frame(
  isHot = c(1, 0, 1, 0),
  isCrispy = c(0, 0, 1, 0),
  Restaurant = c("A", "B", "B", "C"),
  stringsAsFactors = FALSE
)

# 转换Restaurant列
df$Restaurant <- as.integer(factor(df$Restaurant)) - 1

进阶：按数据出现顺序编码（而非字母顺序） #

如果你的Restaurant列需要按数据中首次出现的顺序编码（而不是固定字母顺序），可以指定因子的levels参数：

df_transformed <- df %>%
  mutate(Restaurant = as.integer(factor(Restaurant, levels = unique(Restaurant))) - 1)

这样不管后续数据中Restaurant的字符顺序如何，都会按它在数据里第一次出现的顺序分配0、1、2的编码。

运行以上代码后，你就能得到想要的结果：

内容的提问来源于stack exchange，提问作者Eisen