當轉換爲data.matrix的numeric data.frame時，R對csv做了什麼？

Question

我有一個CSV文件。它位於scikit.learn庫中。在使用python構建任何預測模型之前，我想看看每個屬性與關鍵屬性的關聯。所以，我進口CSV file像這樣：

y <-read.csv("boston_house_prices.csv") 

現在，我似乎無法執行任何描述性統計數據，或運行COR（Y [1：13]，Y [14]）。它說'x'不是數字。我曾嘗試：

y <- as.data.frame(sapply(y, as.numeric)) 

和

y <- data.matrix(y) 

現在，數據是數字，我可以運行的相關性。但是，如果我想運行基本的統計數據，那麼所有事情都會從發生的「轉變」中偏離。有人能告訴我如何保留我的數據本地數字類型，同時能夠運行cor（）嗎？爲什麼R必須將雙/十進制值轉換爲整數才能運行？

謝謝。

Answer 1

在使用read.csv讀取數據時，可以使用skip = 1來避免此問題。我從原始數據中抓取了幾行，看起來沒問題。

第一行是不必要的，它實際上會將標題行向下推入第一行，然後在讀取時將列轉換爲因子。當您使用as.numeric時，實際上是將所有因子值更改爲其數值，這些數值與原始數值不同，並且可能不正確。這是你描述的「歪斜」。

txt <- '506,13,,,,,,,,,,,, 
    "CRIM","ZN","INDUS","CHAS","NOX","RM","AGE","DIS","RAD","TAX","PTRATIO","B","LSTAT","MEDV" 
    0.00632,18,2.31,0,0.538,6.575,65.2,4.09,1,296,15.3,396.9,4.98,24 
    0.02731,0,7.07,0,0.469,6.421,78.9,4.9671,2,242,17.8,396.9,9.14,21.6 
    0.02729,0,7.07,0,0.469,7.185,61.1,4.9671,2,242,17.8,392.83,4.03,34.7 
    0.03237,0,2.18,0,0.458,6.998,45.8,6.0622,3,222,18.7,394.63,2.94,33.4' 

您當前的呼叫產生的因素：

sapply(read.csv(text = txt), class) 
#  X506  X13  X  X.1  X.2  X.3  X.4 
# "factor" "factor" "factor" "factor" "factor" "factor" "factor" 
#  X.5  X.6  X.7  X.8  X.9  X.10  X.11 
# "factor" "factor" "factor" "factor" "factor" "factor" "factor" 

skip = 1似乎這樣的伎倆，因爲它產生的數字列：如果你改變你的第一線，

sapply(read.csv(text = txt, skip = 1), class) 
#  CRIM  ZN  INDUS  CHAS  NOX  RM  AGE 
# "numeric" "integer" "numeric" "integer" "numeric" "numeric" "numeric" 
#  DIS  RAD  TAX PTRATIO   B  LSTAT  MEDV 
# "numeric" "integer" "integer" "numeric" "numeric" "numeric" "numeric" 

所以

y <- read.csv("boston_house_prices.csv", skip = 1) 

一切都應該罰款之後，沒有其他必要的轉換