因子、水平和原始值
我想将变量 f 写入现有矩阵 m 的某些元素（index）。让我们假设 f 是一个因素：
f <- factor(c(3,3,0,3,0))
m <- matrix(NA, 10, 1)
index <- c(1,4,5,8,9)
Using
m[index] <- f
不会给出所需的结果，因为它将标签（'1' 和 '2'）放入 m 中，而不是原始值（ “0”和“3”）。所以我就用
m[index] <- as.numeric(levels(f))[f]
它来代替，效果很好。
但在我的情况下， f 并不总是一个因素，但也可以是数字，例如
f <- c(3.43, 4.29, 5.39, 7.01, 7.15)
我是否必须检查它
if ( is.factor(f) ) {
m[index] <- as.numeric(levels(f))[f]
} else {
m[index] <- f
}
，或者是否有一种“通用”方法来放置 的“真实”值f 转换为矩阵 m，与 f 的类型无关？
提前致谢！
PS：背景是f是f <-predict(mymodel, Xnew)的结果，其中model是由以下方法训练的SVM模型model <- svm(Xtrain, Ytrain) 可以是分类模型（然后 f 是因子）或回归模型（然后 f code> 是数字）。我确实知道模型的类型，但上面的 if 子句对我来说似乎有点不方便。
I would like to write variable f into certain elements (index) of an existing matrix m. Let's assume f is a factor:
f <- factor(c(3,3,0,3,0))
m <- matrix(NA, 10, 1)
index <- c(1,4,5,8,9)
Using
m[index] <- f
does not give the desired result as it puts the labels ('1' and '2') into m but not the original values ('0' and '3'). Therefore, I used
m[index] <- as.numeric(levels(f))[f]
instead, which works well.
But in my situation, f is not always a factor but can also be numeric like
f <- c(3.43, 4.29, 5.39, 7.01, 7.15)
Do I have to check it like
if ( is.factor(f) ) {
m[index] <- as.numeric(levels(f))[f]
} else {
m[index] <- f
}
or is there a "universal" way of putting the "true" values of f into matrix m, independent of the type of f?
Thanks in advance!
P.S.: The background is that f is the result of f <- predict(mymodel, Xnew) where model is a SVM model trained by model <- svm(Xtrain, Ytrain) and can be either be a classfication model (then f is factor) or a regression model (then f is numeric). I do know the type of the model, but the above if clause seems somewhat unhandy to me.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
为什么不这样做：首先将
f（可以是数字或因子）转换为字符，然后转换为数字：Why not just do this: first convert
f(which could be numeric or factor) to character, then to numeric:矩阵的类型不能是“因子”：您必须单独处理因子。
最简单的可能是将它们转换为字符串。
The type of a matrix cannot be "factor": you will have to treat factors separately.
The easiest may be to convert them to strings.