La forma más sencilla de transformar un vector de caracteres, o una columna/variable de un data.frame
en un vector numérico, sería apoyarse en un dato factor
. Ejemplo:
x <- c("1", "hola", "2017-02-01", "pepito", "1")
as.numeric(factor(x, levels = unique(x)))
[1] 1 2 3 4 1
Comentarios:
- Puedes verificar que le valor
"1"
que repetí al final a modo de demostración, se "mapea" siempre con el mismo valor numérico.
- Es probable que los algoritmos de redes neuronales que estés usando ya interpreten los datos de tipo
factor
, por lo que posiblemente NO necesites pasarlo a un valor numérico, simplemente transforma tus datos en un factor: variable <- factor(variable)
o variable <- factor(variable, level=unique(variable))
si te importa el orden natural que tiene el vector.
- Cuidado, si tu idea es ir a un modelo de aprendizaje con refuerzo, cualquier valor nuevo en estas columnas tiene que tener un nuevo
id
- Transformar el valor de una cadena en un número, no te independiza de la cadena. Siempre vas a necesitar los valores originales para saber que el índice
4
corresponde a pepito
En el caso que busques transformar múltiples columnas pero que todas compartan la misma codificación deberías en primer lugar obtener los valores únicos pero del data.frame
completo o de una selección de columnas, y con esa lista, armar las variables factor
. Suponiendo algo así:
set.seed(1)
df <- data.frame(col1 = sample(c("1", "hola", "pepito", "1"), 10, replace=TRUE),
col2 = sample(c("1", "hola", "2017-02-01", "pepito", "1", "xx"), 10, replace=TRUE), stringsAsFactors = FALSE)
df
col1 col2
1 hola hola
2 hola hola
3 pepito 1
4 1 2017-02-01
5 1 1
6 1 2017-02-01
7 1 1
8 pepito xx
9 pepito 2017-02-01
10 1 1
Primero obtenemos los valores únicos de todo el data.frame
valores_unicos <- unique(as.vector(t(df)))
valores_unicos
[1] "hola" "pepito" "1" "2017-02-01"
[5] "xx"
Y ahora "recodificamos" cada columna
apply(df, MARGIN=2, FUN=function(x) {as.numeric(factor(x, levels = valores_unicos))})
col1 col2
[1,] 1 1
[2,] 1 1
[3,] 2 3
[4,] 3 4
[5,] 3 3
[6,] 3 4
[7,] 3 3
[8,] 2 5
[9,] 2 4
[10,] 3 3
factor
para luego usar el valor numérico de estos.