我目前正在研究一个包含一个name属性的数据集，该属性代表一个人的名字。使用 读取 csv 文件后read.csv，变量factor默认为 ( stringsAsFactors=TRUE)，级别约为 10k。由于name不反映任何组成员身份，我不确定将其保留为factor.
有必要转换name成character吗？这样做（或不这样做）有什么好处吗？这还重要吗？
何时选择字符而不是 R 中的因子？
数据挖掘
r
数据争吵
2022-02-21 07:33:25
2个回答
因子存储为数字和水平表。如果您有分类数据，将其存储为一个因素可能会节省大量内存。
例如，如果您将长度为 1,000 的向量存储为字符，并且字符串的长度均为 100 个字符，则它将占用大约 100,000 个字节。如果将其存储为一个因子，则大约需要 8,000 个字节加上不同因子的长度之和。
与因子的比较也应该更快，因为通过比较数字而不是字符值来测试相等性。
当您想要添加新项目时，将其保留为角色的优势就来了，因为您现在正在更改级别。
将它们存储为对数据所代表的内容最有意义的任何内容。如果name不是分类的，而且听起来不是，那么使用字符。
对上述问题的几点思考：
- 我发现这个关于 R 中因素的链接非常有用。
- 如果你想创建一个分类模型，或者如果你想将字符转换为数字，则必须先将字符转换为因子：as.numeric(as.factor(name))。在您的情况下，可以用多于或少于 4 个字母或以特定字母开头的名称命名。
- 如前所述，将字符转换为因子可以节省内存！
快乐编码！