如何编写R函数将数据框分类变量转为数值以进行相关性分析？

问题背景 #

我有大量数据集，其中部分列是分类变量（例如"Month"或"房间类型"）。为进行变量间的相关性分析，计划将文本格式的分类变量转换为数值形式（如January→01、February→02等）。但部分变量的唯一值数量过多，手动转换效率低下。尝试通过以下逻辑编写循环实现自动转换，但最后一步无法完成：

• 查找目标列中的唯一变量；
• 对唯一变量进行排序；
• 使用排序后的索引值替换列中对应的所有原变量。

核心目标是完成数据分析并找出变量间的相关性，同时尝试过直接使用非数值数据进行相关性分析，但未取得成功。

数据与代码示例 #

样本数据向量 #

> massive.room.pr
   [1] "C" "C" "C" "A" "A" "A" "C" "C" "A" "D" "E" "D" "E" "G" "E" "E" "E" "E" "G" "G" "F"
  [22] "A" "A" "D" "I" "D" "D" "E" "A" "D" "A" "D" "E" "C" "D" "D" "C" "D" "D" "E" "G" "D"
  [43] "F" "E" "A" "G" "A" "E" "B" "F" "D" "A" "D" "C" "H" "C" "H" "D" "G" "C" "G" "E" "F"
  [64] "C" "A" "H" "C" "D" "A" "A" "D" "A" "A" "A" "A" "A" "E" "A" "A" "D" "A" "A" "A" "A"
  [85] "E" "E" "F" "A" "C" "C" "C" "E" "C" "A" "A" "A" "F" "E" "D" "E" "C" "D" "F" "C" "E"

排序后的唯一值 #

> sort(unique(df$assigned_room_type))
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "K" "L" "P"

索引序列 #

> seq(sort(unique(df$assigned_room_type)))
 [1]  1  2  3  4  5  6  7  8  9 10 11 12

完整数据dput格式 #

massive.room.pr <-
c("C", "C", "C", "A", "A", "A", "C", "C", "A", "D", "E", "D", 
"E", "G", "E", "E", "E", "E", "G", "G", "F", "A", "A", "D", "I", 
"D", "D", "E", "A", "D", "A", "D", "E", "C", "D", "D", "C", "D", 
"D", "E", "G", "D", "F", "E", "A", "G", "A", "E", "B", "F", "D", 
"A", "D", "C", "H", "C", "H", "D", "G", "C", "G", "E", "F", "C", 
"A", "H", "C", "D", "A", "A", "D", "A", "A", "A", "A", "A", "E", 
"A", "A", "D", "A", "A", "A", "A", "E", "E", "F", "A", "C", "C", 
"C", "E", "C", "A", "A", "A", "F", "E", "D", "E", "C", "D", "F", 
"C", "E")

解决方案 #

一、分类变量转数值的高效方法 #

方法1：因子转换（最简方案）

R中因子的底层存储为整数编码，刚好匹配你需要的"排序后唯一值对应索引"的需求：

# 将向量转为有序因子（按排序后的唯一值作为层级）
room_factor <- factor(massive.room.pr, levels = sort(unique(massive.room.pr)))
# 转换为数值类型
room_numeric <- as.integer(room_factor)

执行后room_numeric中的数值会对应排序后唯一值的索引（例如"A"→1，"B"→2，以此类推）。

方法2：手动映射（支持自定义编码）

如果需要自定义编码规则（比如从0开始计数），可以手动创建映射表：

# 获取排序后的唯一值列表
unique_vals <- sort(unique(massive.room.pr))
# 创建值到索引的映射（这里设置从0开始）
val_map <- setNames(seq_along(unique_vals) - 1, unique_vals)
# 完成替换
room_numeric <- unname(val_map[massive.room.pr])

二、分类变量相关性分析的正确姿势 #

直接将无序分类变量转数值后计算皮尔逊相关是不合理的，因为数值大小会被误判为有序关系，导致结果失真。需根据变量类型选择对应方法：

• 无序分类变量 + 连续变量：使用方差分析（ANOVA）或计算Eta系数；
• 两个无序分类变量：使用卡方检验、Cramer's V系数或互信息；
• 有序分类变量：转数值后计算斯皮尔曼等级相关是合理的。

示例：用Cramer's V分析两个分类变量的相关性

library(DescTools)
# 生成交叉表
cross_tab <- table(df$assigned_room_type, df$another_category)
# 计算Cramer's V系数
cramer_v <- CramerV(cross_tab)

内容的提问来源于stack exchange，提问作者vonavikon