Si tenemos un conjunto grande de columnas/variables y queremos convertir alguna de ellas en un factor y otras no, la forma más sencilla es armar un vector de columnas a convertir. Supongamos que tenemos el siguiente data.frame
txt <- "c1,c2,c3,c4,c5,c6
1,0,100,1,alto, 0
1,1,101,0,medio, 0
0,0,200,1,alto, 0
1,1,101,1,bajo, 0
"
df <- as.data.frame(read.table(textConnection(txt), sep = ",", header=TRUE))
Inspeccionando:
> str(df)
'data.frame': 4 obs. of 6 variables:
$ c1: int 1 1 0 1
$ c2: int 0 1 0 1
$ c3: int 100 101 200 101
$ c4: int 1 0 1 1
$ c5: Factor w/ 3 levels "alto","bajo",..: 1 3 1 2
$ c6: int 0 0 0 0
No todas las variables son factor
, por defecto solo las que son tipos cadena. Ahora bien, supongamos que queremos pasar a factor
las columnas 1,2,3,4 y no la 6, ni la 5 que ya es factor
. Esto lo podemos resolver así:
col.to.factor <- c(1,2,3,4)
df[col.to.factor] <- lapply(df[col.to.factor], as.factor)
El resultado:
> str(df)
'data.frame': 4 obs. of 6 variables:
$ c1: Factor w/ 2 levels "0","1": 2 2 1 2
$ c2: Factor w/ 2 levels "0","1": 1 2 1 2
$ c3: Factor w/ 3 levels "100","101","200": 1 2 3 2
$ c4: Factor w/ 2 levels "0","1": 2 1 2 2
$ c5: Factor w/ 3 levels "alto","bajo",..: 1 3 1 2
$ c6: int 0 0 0 0
Claramente vemos que hemos dejado solo la columna/variable c6
como entero y el resto las hemos convertido a factor
. Otra forma más interesante sería, por ejemplo: convertir todas las variables/columnas que tengan solo 1 y 0 en factor
de forma automática y el resto dejarlas como están:
Primero generamos un vector lógico apply.factor
que nos dice que columnas tienen solo 1 y 0:
apply.factor <- sapply(df, function(x) isTRUE(all.equal(levels(as.factor(x)),as.vector(as.factor(c("0", "1"))))))
> apply.factor
c1 c2 c3 c4 c5 c6
TRUE TRUE FALSE TRUE FALSE FALSE
Lo importante es: as.vector(as.factor(c("0", "1")))
que arma la muestra de valores que queremos verificar en una columna/variable, obviamente se puede modificar por lo que necesitemos para hacer una comparación de cada columna con este mismo `vector.
Luego en col.to.factor
generamos el vector con los índices de columnas que vamos a convertir (las columnas que cumplieron nuestro criterio)
col.to.factor <- seq(length(apply.factor))[apply.factor]
> col.to.factor
[1] 1 2 4
Y por último aplicamos la conversión solo sobre las columnas elegidas
df[col.to.factor] <- lapply(df[col.to.factor], as.factor)
Resumiendo todo:
> apply.factor <- sapply(df, function(x) isTRUE(all.equal(levels(as.factor(x)),as.vector(as.factor(c("0", "1"))))))
> col.to.factor <- seq(length(apply.factor))[apply.factor]
> df[col.to.factor] <- lapply(df[col.to.factor], as.factor)
> str(df)
'data.frame': 4 obs. of 6 variables:
$ c1: Factor w/ 2 levels "0","1": 2 2 1 2
$ c2: Factor w/ 2 levels "0","1": 1 2 1 2
$ c3: int 100 101 200 101
$ c4: Factor w/ 2 levels "0","1": 2 1 2 2
$ c5: Factor w/ 3 levels "alto","bajo",..: 1 3 1 2
$ c6: int 0 0 0 0
Vemos entonces que hemos convertido en factor
las columnas que queríamos.
Espero te sea útil.