Uso eficiente de as.numeric() y factor()

Question

Tengo varios cientos de vectores de caracteres importados en R desde una base de datos, cada uno tiene una longitud de 6-7 millones. Son datos numéricos o de factores que tienen caracteres (letras) para las etiquetas, con niveles que establecer, todos los factores, todos tienen algunas NA. Como un ejemplo

vecA <- c("1",NA, "2",....,NA, "100") 
vecB <- c("smith", NA, NA, ... , "jones") 

Hay una manera eficiente de forzar vecA a numeric y vecB a factorizar. El problema es que no sé dónde están los vectores numéricos y de factores en los datos y es tedioso recorrerlos uno por uno.

Answer 1

lo que probablemente utilice tryCatch(), tratando primero en convertir cada vector a clase "numeric". Si as.numeric() arroja un mensaje de advertencia (como lo hará cuando el vector de entrada contiene caracteres no numéricos), captaría la advertencia y en su lugar convierta el vector a la clase "factor".

vecA <- c("1",NA, "2",NA, "100") 
vecB <- c("smith", NA, NA, "jones") 

myConverter <- function(X) tryCatch(as.numeric(X), 
            warning = function(w) as.factor(X)) 

myConverter(vecA) 
# [1] 1 NA 2 NA 100 
myConverter(vecB) 
# [1] smith <NA> <NA> jones 
# Levels: jones smith 

Answer 2

¿Quizás una expresión regular? Para cada vector, haga coincidir las cosas que parecen números.

convert.numeric <- function(vec) { 
    if(grepl("^[0-9]*(\\.[0-9]+)?$",vec)) == !is.na(vec))) { 
    vec <- as.numeric(vec) 
    } else { vec <- as.factor(vec) } 
    return(vec) 
} 

Luego envuelva sus vectores en una lista y utilizar lapply:

new.vectors <- lapply(old.vectors,convert.numeric)