在导入大批量数据时，如果没有显式地指定“stringsAsFactors = FALSE”，默认会将所有的字符串转换为因子，导致数据处理速度较慢。
示例数据如下：
|
1
2
3
4
5
|
name,math,english,sex,year"yiifaa",65,68,"M",2018"yiifee",95,98,"F",2018"guagua",75,78,"M",2018"MM",85,88,"F",2018 |
查看数据概要，发现默认将字符串转换为因子，并进行了分组计数(这也是处理速度较慢的原因之一)
概要如下：
|
1
2
3
4
5
6
7
|
name math english sex year guagua:1 Min. :65.0 Min. :68.0 F:2 Min. :2018 MM :1 1st Qu.:72.5 1st Qu.:75.5 M:2 1st Qu.:2018 yiifaa:1 Median :80.0 Median :83.0 Median :2018 yiifee:1 Mean :80.0 Mean :83.0 Mean :2018 3rd Qu.:87.5 3rd Qu.:90.5 3rd Qu.:2018 Max. :95.0 Max. :98.0 Max. :2018 |
但这样的分组计数并没有意义，所以需要利用“as.character”转换为字符，如下：
|
1
2
3
4
5
6
7
|
#! /usr/bin/env RScriptsetwd("D:/Workspace/R-Works/R-Stat")scores <- read.table("Score.txt", header = TRUE, sep = ",", quote="\"", encoding = "UTF-8", stringsAsFactors = TRUE)# 将因子转换为字符scores$name <- as.character(scores$name)# 多转一个进行测试scores$sex <- as.character(scores$sex) |
再次查看概要，如下：
|
1
2
3
4
5
6
7
|
name math english sex year Length:4 Min. :65.0 Min. :68.0 Length:4 Min. :2018 Class :character 1st Qu.:72.5 1st Qu.:75.5 Class :character 1st Qu.:2018 Mode :character Median :80.0 Median :83.0 Mode :character Median :2018 Mean :80.0 Mean :83.0 Mean :2018 3rd Qu.:87.5 3rd Qu.:90.5 3rd Qu.:2018 Max. :95.0 Max. :98.0 Max. :2018 |
可以看到，概要中已经没有了分组计数，但多了总数计量，如果要恢复分组计数，则需要重新创建因子，如下：
|
1
|
scores$sex <- factor(scores$sex, levels=c("M", "F"), ordered = TRUE) |
结论
在导入大批量数据时，为了提高性能，尽可能分两步走：
1. 显式指定“stringsAsFactors = FALSE”；
2. 依次将所需要的数据列(向量)转换为因子；
补充：R语言：变量名称和字符串的转换
在R语言中，经常会遇到变量名称和字符串相互转换的问题。
比如说，进行1000次循环运算，并将运算结果存储在1000个变量中，如x_1, x_2, ... , x_1000。这时候可以使用assign()函数，示例如下：
|
1
2
3
4
5
|
> a错误: 找不到对象'a'> assign('a', 1)> a[1] 1 |
上面的例子将字符'a'转变为变量a，并将其赋值为1 。
相反，如果我们想遍历一个变量序列，并对其中的每一个变量都进行操作，该怎么办呢？我们可以使用get()函数。示例如下：
|
1
2
3
4
5
|
> a <- 1> b <- 2> c <- 3> sequence <- c('a', 'b', 'c')> for (var in sequence){print(var + 10)} |
错误于var + 10 : 二进列运算符中有非数值参数
|
1
2
3
4
|
> for (var in sequence){print(get(var) + 10)}[1] 11[1] 12[1] 13 |
我们可以发现，get函数将字符var转变为变量，并根据变量的值进行后续操作。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/yiifaa/article/details/82318459
