在R中如何将含195个级别的pid因子变量转为数值变量？

嘿，这个需求在处理患者数据时太常见了！我给你分享两种主流编程语言（R和Python）里的实现方法，你按需选就行：

R语言方案 #

方法1：直接转换因子为数值 #

如果你的pid已经是因子类型，直接用as.numeric()就能把每个唯一的因子水平转换成对应的整数ID：

# 假设你的数据框叫df，pid是因子列
df$pid_num <- as.numeric(df$pid)

注意：这个方法的数值是按照因子水平的顺序来分配的，如果你想确认映射关系，可以用levels(df$pid)查看每个水平对应的数值（第1个水平对应1，第2个对应2，以此类推）。

方法2：按分组分配唯一ID（更灵活） #

如果担心因子水平的顺序不是你想要的，或者想确保每个唯一pid都对应唯一数值，可以用dplyr包的分组功能：

library(dplyr)

df <- df %>%
  group_by(pid) %>%
  mutate(pid_num = cur_group_id()) %>%
  ungroup()

这个方法会自动给每个不同的pid分配从1开始的连续整数，完全不用关心原来的因子水平顺序。

Python（Pandas）方案 #

方法1：使用factorize()函数 #

Pandas的factorize()专门干这个事，它会给每个唯一的类别分配一个整数ID，默认从0开始：

import pandas as pd

# 假设你的数据框叫df，pid是因子或字符串列
df['pid_num'] = df['pid'].factorize()[0]
# 如果想要从1开始的ID，就加1：
df['pid_num'] = df['pid'].factorize()[0] + 1

方法2：利用分类变量的codes属性 #

先把pid转成分类变量，再用codes获取对应的数值ID：

df['pid_num'] = pd.Categorical(df['pid']).codes + 1

同样，codes默认从0开始，加1就能得到从1开始的ID。

小提示 #

如果你需要保存pid和新数值ID的映射关系，可以这样做：

• R里：pid_mapping <- data.frame(pid = levels(df$pid), pid_num = 1:length(levels(df$pid)))
• Python里：pid_mapping = pd.DataFrame({'pid': df['pid'].unique(), 'pid_num': df['pid_num'].unique()})

这样就能随时查看每个患者ID对应的数值编码啦！

内容的提问来源于stack exchange，提问作者Modiehi