好了，在前一篇文章中，我们将数据集转化为numeric格式，以便于在实际工作中预测投资者是否再次投资。
不过上次的数据集转化，将时间格式全部转化为了NA，导致预测准确率下降了约5%（因为失去了时间早晚这个维度），我们今天就来讲一下如何将数据集中的时间变量转化为numeric格式。
首先我们先回忆一下将时间变量转化为numeric格式的难点：
因为读入数据集的时候，所有数据都是以factor格式存储，如果直接用as.numeric函数转化时间，会发生一个奇特的现象——时间顺序被打乱，我这边数据集的情况如下：
直接使用as.numeric函数转化时间，出现下图：
请问它的规律在哪里？！恕我眼拙，看了半天没明白它转化为数值的主要逻辑，不得已，我只有回去继续找可能实现的路径。
后来知道factor型变量直接转化为数值会出现这样的问题，那么我不用factor变量转化，先用character变量转化再转化为numeric行么？尝试如下：
、
使用as.character函数转化没有问题，但是再进行as.numeric函数转化就出现问题了！具体如下：
所有时间变量全变成了NA！你大爷的！那我辛辛苦苦转化时间变量为了啥？！
好，从头再来！这次我总结了教训，决定先把时间变量以时间的形式存储起来，然后再来进行as.numeric函数转化，看看会不会出现问题？尝试如下：
上面的函数直接使用as.date就行，接下来我们看看是否能使用as.numeric函数转化（因为我们的主要目的是保存时间变量的先后顺序，而不是绝对值，所以这里我们没有考虑绝对时间的对错问题），如下图：
大家可以看到，时序是正确的，如果不清楚，我在数值上加上720000就看的很清楚了！如下图：
好了，这样就可以知道，距离我们越近的时间，数值越大，这个变量就能精准的表达时间远近了！到此为止，这个数据集的基础清洗就完毕了！附上我的部分代码：
library(rJava)
library(xlsxjars)
library(xlsx)
library(Matrix)
data<-read.xlsx(‘G:/数据文件//建模分析/0718/33.xlsX’,1,encoding = ‘UTF-8’,header=T)
#对数据集进行字符化处理以便进行替换，原数据集数据类型为factor
data[] <- lapply(data, as.character)
#将数据集中‘NA’数据替换为0
data[is.na(data)]<-0
#将数据集中‘是’数据替换为1
data[data==’是’]<-1
#将数据集中‘pc’数据替换为1
data[data==’pc’]<-1
#将数据集中‘wap’数据替换为2，双引号和单引号意义相同
data[data==”wap”]<-2
#将数据集中‘ios’数据替换为3
data[data==’ios’]<- 3
#将数据集中‘android’数据替换为4
data[data==’android’]<- 4
#将数据集中‘新手专享’数据替换为1
data[data==’新手专享’]<-1
#将数据集中‘直投散标’数据替换为2
data[data==’直投散标’]<-2
#将数据集中‘定期宝’数据替换为3
data[data==’定期宝’]<-3
#将数据集中‘双收计划’数据替换为4
data[data==’双收计划’]<-4
#将数据集中‘新手标’数据替换为5
data[data==’新手标’]<-5
#将数据集中‘register_time’列数据转换为时间格式
data$register_time<-as.Date(data$register_time)
#将数据集中‘first_invest_time’列数据转换为时间格式
data$first_invest_time<-as.Date(data$first_invest_time)
#将数据集整体转化为数据格式，方便后续做xgboost模型
data[] <- lapply(data, as.numeric)
#将数据集中的时间变量转化为正数
data$register_time<-data$register_time+720000
data$first_invest_time<-data$first_invest_time+720000
data[1:10,]
