D'essayer de remplacer la valeur du caractère en dataframe avec une valeur numérique , l'Erreur “ invalid niveau de facteur, NA généré”

Je suis en train de faire certains que le prétraitement, et que vous voulez convertir la classe valeurs de facteurs {A,B,C,D,E} à {1,2,3,4,5}.

La classe colonne est de type factor, j'ai fourni toutes les étapes, voir ci-dessous:

    #get the data
    training <- read.table("http://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv",header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE)
    training_df <- data.frame(training,stringsAsFactors=FALSE)

    #split to training & test sets
    inTrain <- createDataPartition(y=training$classe, p=0.75, list=FALSE)
    training_data <- training[inTrain,]
    testing_data <- training[-inTrain,]

    #subset based on columns of interest, based on previous studies
    training_data_subset <- subset(training_data, select=c("avg_roll_belt","var_roll_belt","var_total_accel_belt","amplitude_roll_belt","max_roll_belt","var_roll_belt",
    "var_accel_arm","magnet_arm_x","magnet_arm_y","magnet_arm_z","accel_dumbbell_y","accel_dumbbell_z","magnet_dumbbell_x","gyros_dumbbell_x",
    "gyros_dumbbell_y","gyros_dumbbell_z","pitch_forearm","gyros_forearm_x","gyros_forearm_y","classe"))

    #see which columns are factors, the training_data_subset#classe feature is a factor
    sapply(training_data_subset, class)

#sapply output

 avg_roll_belt        var_roll_belt var_total_accel_belt  amplitude_roll_belt        max_roll_belt 
           "numeric"            "numeric"            "numeric"            "numeric"            "numeric" 
     var_roll_belt.1        var_accel_arm         magnet_arm_x         magnet_arm_y         magnet_arm_z 
           "numeric"            "numeric"            "integer"            "integer"            "integer" 
    accel_dumbbell_y     accel_dumbbell_z    magnet_dumbbell_x     gyros_dumbbell_x     gyros_dumbbell_y 
           "integer"            "integer"            "integer"            "numeric"            "numeric" 
    gyros_dumbbell_z        pitch_forearm      gyros_forearm_x      gyros_forearm_y               classe 
           "numeric"            "numeric"            "numeric"            "numeric"             "factor"

J'ai créé une fonction qui tente de remplacer A=1,B=2,C=3,D=4,E=5, voir ci-dessous:

factorsToNumeric <- function(data)
{
    data_numeric <- data
    data_numeric$classe <-as.numeric(factor(toupper(as.character(data_numeric$classe))))
    #loop through the data frame based on replace values
    for(i in 1:nrow(data_numeric)) 
    {

    if ((data_numeric[i,]$classe == "A") || (data_numeric[i,]$classe  == "a")) 
    {data_numeric[i,]$classe <- "1"}
    else if ((data_numeric[i,]$classe  == "B") || (data_numeric[i,]$classe  == "b"))
    {data_numeric[i,]$classe <- "2"}
    else if ((data_numeric[i,]$classe  == "C") || (data_numeric[i,]$classe  == "c"))
    {data_numeric[i,]$classe <- "3"}
    else if ((data_numeric[i,]$classe  == "D") || (data_numeric[i,]$classe  == "d"))
    {data_numeric[i,]$classe <- "4"}
    else if ((data_numeric[i,]$classe  == "E") || (data_numeric[i,]$classe  == "e"))
    {data_numeric[i,]$classe <- "5"}
    else 
    {
    #do nothing 
    }

    }

    return (data_numeric)
}

Cependant, j'ai cette erreur:

training_data_subset_numeric <- factorsToNumeric(training_data_subset)

Erreur:

Warning messages:
1: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
3: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
4: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
5: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
6: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
7: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
8: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated
9: In `[<-.factor`(`*tmp*`, iseq, value = "1") :
  invalid factor level, NA generated

Une inspection plus poussée montre la colonne "classe"de classe est convertie en "numérique":

 sapply(training_data_subset_numeric, class)

 avg_roll_belt        var_roll_belt var_total_accel_belt  amplitude_roll_belt        max_roll_belt 
       "numeric"            "numeric"            "numeric"            "numeric"            "numeric" 
 var_roll_belt.1        var_accel_arm         magnet_arm_x         magnet_arm_y         magnet_arm_z 
       "numeric"            "numeric"            "integer"            "integer"            "integer" 
accel_dumbbell_y     accel_dumbbell_z    magnet_dumbbell_x     gyros_dumbbell_x     gyros_dumbbell_y 
       "integer"            "integer"            "integer"            "numeric"            "numeric" 
gyros_dumbbell_z        pitch_forearm      gyros_forearm_x      gyros_forearm_y               classe 
       "numeric"            "numeric"            "numeric"            "numeric"            "numeric"

Cependant, le chef de la fonction confirme l'erreur ci-dessus & toutes les valeurs de A,B,C,D,E ont été remplacés par des NA de manière incorrecte.

  • Vous pouvez essayer la méthode suivante training_data_subset$classe <- as.numeric(factor(toupper(as.character(training_data_subset$classe))))
  • discimus, j'ai ajouté de l'corriger les variations de votre suggestion au début de la factorsToNumeric() et la fonction qu'il a travaillé, voir post édité.
  • Vous avez mal compris. Ce code doit remplacer la remplacer la fonction.
InformationsquelleAutor cyber101 | 2015-01-03
  1. 2

    Facteurs ne fonctionne pas comme ça. Vous ne pouvez pas modifier les valeurs avec de simples <- affectation à l'instar d'autres types de données. Il y a quelques différentes façons de modifier un facteur. Voici un moyen à l'aide de la levels<- fonction de remplacement.

    Voici un échantillon de votre énorme de données qui a pris beaucoup trop de temps à le lire 🙂 Pour ce type de données, il est facile parce que les niveaux sont dans le bon ordre déjà.

    set.seed(2)
x <- sample(training$classe, 20)
x
# [1] A D C A E E A E B C C A D A B E E A B A
# Levels: A B C D E
levels(x) <- 1:5
x
# [1] 1 4 3 1 5 5 1 5 2 3 3 1 4 1 2 5 5 1 2 1
# Levels: 1 2 3 4 5

    Donc il n'y a pas besoin de votre fonction. Vous pouvez simplement faire

    levels(training$classe) <- 1:5

    et nous pouvons voir le str de la nouvelle colonne indique les valeurs modifiées

    str(training$classe)
# Factor w/5 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...

    Noter que pour ce cas simple, as.integer(training$classe) fonctionne également. Bien que ce ne sera pas facile, la plupart du temps.

    InformationsquelleAutor Rich Scriven
  2. 0

    Si vous voulez convertir les classe colonne de training_data_subset vous n'avez pas besoin de définir votre propre fonction. Vous pouvez utiliser le LETTERS vecteur:

    sapply(training_data_subset[,'classe'], function(x) which(LETTERS==x))
    InformationsquelleAutor CephBirk