R语言中as.numeric()转换因子时数值异常变化的问题求助

这个问题是R里因子转数值的经典“坑”，我之前也踩过好几次！

首先得搞明白为什么会出现这种情况：当你直接对因子调用as.numeric()时，它返回的不是你看到的因子标签值，而是这些标签在因子水平列表里的整数索引——你看到的26、14这些数字，就是对应数值在因子水平里的位置，而不是原数值本身。

接下来分两种情况解决：

一、已经读取成因子，怎么修复现有列 #

如果你的数据已经读进R里了，可以用下面的方法正确转换：

• 最稳妥的方式是先转成字符向量，再转数值：

  df$value <- as.numeric(as.character(df$value))
  

• 如果你说转字符再转数值还是有问题，大概率是因子标签里藏了看不见的空白字符（比如前后空格、制表符），这时候可以先清理字符再转数值：

  # 去除字符串前后的空白
  df$value <- as.numeric(trimws(as.character(df$value)))
  

• 你也可以先检查因子的水平，确认标签是否正常：

  levels(df$value)
  

  看看输出里的数值是不是带了多余的字符，比如空格或者奇怪的符号。

二、从读取阶段避免列变成因子（推荐） #

与其事后修复，不如一开始就不让列被识别成因子：

1. 用read.csv()代替read.table()：read.csv是read.table专门为CSV文件做的封装，默认就设置了sep=","和header=TRUE，而且在R 4.0及以后的版本里，stringsAsFactors默认是FALSE，不会把纯数值/NA的列转成因子：

   df <- read.csv("doc.csv", dec = ".")
   

2. 如果坚持用read.table()，手动加上stringsAsFactors = FALSE参数：

   df <- read.table("doc.csv", header = TRUE, sep = ",", dec = ".", stringsAsFactors = FALSE)
   

3. 指定列类型：如果你明确知道列的类型，可以用colClasses参数强制指定，比如把value列设为数值型：

   df <- read.table("doc.csv", header = TRUE, sep = ",", dec = ".", colClasses = c("value" = "numeric"))
   

   如果所有列都是数值/NA，直接写colClasses = "numeric"就行。

另外要注意：如果你的CSV文件里的NA不是用"NA"表示的（比如用空值、"N/A"之类的），可以加上na.strings参数指定哪些值要识别成NA，比如na.strings = c("", "N/A")，这样读取的时候就会把这些值转成R里的NA，避免变成因子。

内容的提问来源于stack exchange，提问作者Þórgnýr Thoroddsen