如何在R中实现Python .cat.codes的分类变量转整数功能？

嘿，这个问题我太熟悉了！在R里要实现和Python pandas中.cat.codes完全等价的分类变量转整数编码功能，有几种实用的方法，我给你详细说说：

R里的**因子（factor）**就对应Python里的category类型，直接把因子转成整数就能得到和.cat.codes一样的结果。示例代码如下：

# 第一步：将目标列转换为因子（对应Python的astype('category')）
df$col3 <- as.factor(df$col3)
# 第二步：转换为整数编码（对应Python的.cat.codes）
df$col3_codes <- as.integer(df$col3)

这里要注意：R的因子默认会按字母顺序给类别分配编码，这和pandas.cat.codes的默认行为完全一致~

如果你平时习惯用dplyr这类tidyverse工具，可以用管道流写出更清爽的代码：

library(dplyr)

df <- df %>%
  mutate(
    # 先转成因子
    col3 = as.factor(col3),
    # 生成整数编码
    col3_codes = as.integer(col3)
  )

这种写法更符合现代R的代码风格，处理多列的时候也更方便。

要是你不想用默认的字母顺序，想自己定义类别对应的编码（就像pandas里手动设置分类级别那样），可以在转因子时指定levels参数：

# 自定义级别顺序，比如让"A"对应1，"B"对应2，"C"对应3
df$col3 <- factor(df$col3, levels = c("A", "B", "C"))
df$col3_codes <- as.integer(df$col3)

这样得到的编码就会严格按照你指定的顺序生成，完全可控。

小细节补充 #

• R的因子整数编码是从1开始的，而pandas的.cat.codes是从0开始的，如果需要统一成0起始，只需要给结果减1就行：df$col3_codes <- as.integer(df$col3) - 1
• 如果数据里有缺失值，转成因子后缺失值会变成NA，对应的整数编码也是NA，和pandas的行为完全一致。

内容的提问来源于stack exchange，提问作者Student of the Digital World