step_string2factor()
会将一个或多个字符向量转换为因子(有序或无序)。
仅在特殊情况下使用此步骤(请参阅详细信息),并在使用任何 tidymodels 函数之前将字符串转换为因子。
用法
step_string2factor(
recipe,
...,
role = NA,
trained = FALSE,
levels = NULL,
ordered = FALSE,
skip = FALSE,
id = rand_id("string2factor")
)
参数
- recipe
-
一个菜谱对象。该步骤将添加到此配方的操作序列中。
- ...
-
一个或多个选择器函数用于为此步骤选择变量。有关更多详细信息,请参阅
selections()
。 - role
-
由于没有创建新变量,因此此步骤未使用。
- trained
-
指示预处理数量是否已估计的逻辑。
- levels
-
用于新因子的级别的选项规范。如果保留
NULL
,则将使用调用bake
时出现的排序唯一值。 - ordered
-
单个逻辑值;应该对因子进行排序吗?
- skip
-
一个合乎逻辑的。当
bake()
烘焙食谱时是否应该跳过此步骤?虽然所有操作都是在prep()
运行时烘焙的,但某些操作可能无法对新数据进行(例如处理结果变量)。使用skip = TRUE
时应小心,因为它可能会影响后续操作的计算。 - id
-
该步骤特有的字符串,用于标识它。
细节
什么时候应该使用此步骤?
在大多数情况下,如果您计划使用 step_string2factor()
而不设置 levels
,则最好在使用配方之前将这些字符变量转换为因子变量。
这可以使用以下方法完成dplyr用下面的代码
df <- mutate(df, across(where(is.character), as.factor))
在重采样期间,完整的值集可能不在字符数据中。然后使用 step_string2factor()
将它们转换为因子将导致级别配置错误。
如果使用 step_string2factor()
的 levels
参数,它将把受此步骤影响的所有变量转换为具有相同的级别。因此,在定义配方时,您需要了解完整的级别集。
另请注意, prep()
有一个选项 strings_as_factors
,默认为 TRUE
。应更改此设置,以便将原始字符数据应用于 step_string2factor()
。但是,此步骤也可以采用现有因子(但将保持原样)。
整理
当您 tidy()
此步骤时,将返回包含列 terms
(选定的选择器或变量)和 ordered
的 tibble。
也可以看看
其他虚拟变量和编码步骤:step_bin2factor()
, step_count()
, step_date()
, step_dummy_extract()
, step_dummy_multi_choice()
, step_dummy()
, step_factor2string()
, step_holiday()
, step_indicate_na()
, step_integer()
, step_novel()
, step_num2factor()
, step_ordinalscore()
, step_other()
, step_regex()
, step_relevel()
, step_time()
, step_unknown()
, step_unorder()
例子
data(Sacramento, package = "modeldata")
# convert factor to string to demonstrate
Sacramento$city <- as.character(Sacramento$city)
rec <- recipe(~ city + zip, data = Sacramento)
make_factor <- rec %>%
step_string2factor(city)
make_factor <- prep(make_factor,
training = Sacramento
)
make_factor
#>
#> ── Recipe ────────────────────────────────────────────────────────────────
#>
#> ── Inputs
#> Number of variables by role
#> predictor: 2
#>
#> ── Training information
#> Training data contained 932 data points and no incomplete rows.
#>
#> ── Operations
#> • Factor variables from: city | Trained
# note that `city` is a factor in recipe output
bake(make_factor, new_data = NULL) %>% head()
#> # A tibble: 6 × 2
#> city zip
#> <fct> <fct>
#> 1 SACRAMENTO z95838
#> 2 SACRAMENTO z95823
#> 3 SACRAMENTO z95815
#> 4 SACRAMENTO z95815
#> 5 SACRAMENTO z95824
#> 6 SACRAMENTO z95841
# ...but remains a string in the data
Sacramento %>% head()
#> # A tibble: 6 × 9
#> city zip beds baths sqft type price latitude longitude
#> <chr> <fct> <int> <dbl> <int> <fct> <int> <dbl> <dbl>
#> 1 SACRAMENTO z95838 2 1 836 Residential 59222 38.6 -121.
#> 2 SACRAMENTO z95823 3 1 1167 Residential 68212 38.5 -121.
#> 3 SACRAMENTO z95815 2 1 796 Residential 68880 38.6 -121.
#> 4 SACRAMENTO z95815 2 1 852 Residential 69307 38.6 -121.
#> 5 SACRAMENTO z95824 2 1 797 Residential 81900 38.5 -121.
#> 6 SACRAMENTO z95841 3 1 1122 Condo 89921 38.7 -121.
相关用法
- R recipes step_select 使用 dplyr 选择变量
- R recipes step_spline_b 基础样条
- R recipes step_shuffle 随机排列变量
- R recipes step_scale 缩放数值数据
- R recipes step_spline_nonnegative 非负样条
- R recipes step_sample 使用 dplyr 的示例行
- R recipes step_spline_natural 自然样条
- R recipes step_spline_convex 凸样条
- R recipes step_slice 使用 dplyr 按位置过滤行
- R recipes step_sqrt 平方根变换
- R recipes step_spline_monotone 单调样条
- R recipes step_spatialsign 空间符号预处理
- R recipes step_unknown 将缺失的类别分配给“未知”
- R recipes step_relu 应用(平滑)修正线性变换
- R recipes step_poly_bernstein 广义伯恩斯坦多项式基
- R recipes step_impute_knn 通过 k 最近邻进行插补
- R recipes step_impute_mean 使用平均值估算数值数据
- R recipes step_inverse 逆变换
- R recipes step_pls 偏最小二乘特征提取
- R recipes step_ratio 比率变量创建
- R recipes step_geodist 两个地点之间的距离
- R recipes step_nzv 近零方差滤波器
- R recipes step_nnmf 非负矩阵分解信号提取
- R recipes step_normalize 中心和比例数值数据
- R recipes step_depth 数据深度
注:本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Convert Strings to Factors。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。