昨天帮同学跑数据，里面大部分都是字符型向量，只有少部分为连续向量，因此想通过apply函数吧读入的数据所有列内容先用factor变为因子向量，然后再用as.numerich函数结合apply函数把需要为数值型的向量再转回来，这样可以统一格式，代码如下

newdata<-read.csv("newdata.csv",header = T,check.names = F)
attach(newdata)
str(newdata)

读入数据原始结果

newdata[colnames(newdata)] <- lapply(newdata[colnames(newdata)],factor)
#利用apply函数将所有列内容因子话并展示
str(newdata)

所有列因子化

varsTonum <- c("CID","Age","bmi","stay","blood.transfusion","operation.duration")
#需要转回数值型变量的列向量
newdata[varsTonum] <- lapply(newdata[varsTonum],as.numeric)
#利用apply函数将其转回
str(newdata)

转回后数据结构

可以从转回后的数据结构看出，Age和bmi的数值和原来是不一样的，以Age为例，重新跑一次数据看Age的变化情况

转化前Age数值
转化后Age数值

数值改变的原因是因为数值转换为因子变量后，其数值本身就转变为了因子的秩次信息，再次转回数值型变量其本质是把因子的秩次转回，如下图，第2位44的levels位第4位，所以转回后期数值为4，不再是44了。

转为因子后的Age结构

解决方案

在读入文件时加上stringasfactor=F命令，并尽量不应用因子型向量

newdata<-read.csv("newdata.csv",
                  header = T,
                  check.names = F,
                  stringsAsFactors = F)