一、因子的特点或性质
1、因子可视为C或JAVA语言中的枚举,适用于有限状态的表示。
2、因子不可以赋枚举集合外的值,如一个因子包含male,female,则不
一、因子的特点或性质
1、因子可视为C或JAVA语言中的枚举,适用于有限状态的表示。
2、因子不可以赋枚举集合外的值,如一个因子包含male,female,则不能再赋male和female以为的值,赋其他值会将该元素设置为空值。
二、因子的建立
1、因子的建立
假定有因子gendor,为一组人的性别:
> gendor<-factor(c('m','f','f','m'),labels=c('male','female'))
则通过上式建立一个性别因子。
> gendor [1] female male male female Levels: male female
可以看到有两个级别(或水平),分别是male和female。
2、有序因子
若因子需要有序,比如差,一般,好,很好,非常好,则可使用order参数:order=TRUE。
例如:
>qulity<-c('good','common','good','better','excellent') > q<-factor(qulity,levels=c('bad','good','common','better','excellent'), + labels=c('bad','good','common','better','excellent'),order=TRUE) > q [1] good common good better excellent Levels: bad < good < common < better < excellent > q[4] [1] better Levels: bad < good < common < better < excellent
三、因子与向量的转换
1、向量到因子转换
实际上就是构造因子,例如上例:
>qulity<-c('good','common','good','better','excellent') > q<-factor(qulity,levels=c('bad','good','common','better','excellent'), + labels=c('bad','good','common','better','excellent'),order=TRUE) > str(q) Ord.factor w/ 5 levels "bad"<"common"<..: 3 2 3 4 5
2、因子到向量的转换
(1)使用as.vector()函数,例子:
> q<-factor(qulity,levels=c('bad','common','good','better','excellent'), + labels=c('bad','common','good','better','excellent'),order=TRUE) > q [1] good common good better excellent Levels: bad < common < good < better < excellent > str(q) Ord.factor w/ 5 levels "bad"<"common"<..: 3 2 3 4 5 > q2<-as.vector(q) > q2 [1] "good" "common" "good" "better" "excellent" > str(q2) chr [1:5] "good" "common" "good" "better" "excellent"
可以看到已经转换为字符型。
(2)使用as.numeric()函数,因子被转换为数字,例子:
> q2<-as.numeric(q) > q2 [1] 3 2 3 4 5 > str(q2) num [1:5] 3 2 3 4 5
参考:
因子(factor)和有序因子(ordered factor)
因子用来存储类别变量(categorical variables)和有序变量,这类变量不能用来计算而只能用来分类或者计数。因子表示分类变量,有序因子表示有序变量。
生成因子数据对象的函数是factor(),语法是factor(data, levels, labels, ...),其中data是数据,levels是因子水平向量,labels是因子的标签向量。
1、创建一个因子。
例1:
colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R', 'Y') col <- factor(colour) col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow')) #labels的内容替换colour相应位置对应levels的内容 col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3')) col_vec <- as.vector(col2) #转换成字符向量 col_num <- as.numeric(col2) #转换成数字向量 col3 <- factor(colour, levels = c('G', 'R'))
2、创建一个有序因子
例1:
score <- c('A', 'B', 'A', 'C', 'B') score1 <- ordered(score, levels = c('C', 'B', 'A')); score1
3、用cut()函数将一般的数据转换成因子或有序因子
例1:
exam <- c(98, 97, 52, 88, 85, 75, 97, 92, 77, 74, 70, 63, 97, 71, 98, 65, 79, 74, 58, 59, 60, 63, 87, 82, 95, 75, 79, 96, 50, 88) exam1 <- cut(exam, breaks = 3) #切分成3组 exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己设置的组 attr(exam1, 'levels'); attr(exam2, 'levels'); attr(exam2, 'class') ordered(exam2, labels = c('bad', 'ok', 'average', 'good', 'excellent')) #一个有序因子
以上为个人经验,希望能给大家一个参考,也希望大家多多支持好代码网。如有错误或未考虑完全的地方,望不吝赐教。