R数据结构之因子

定义：类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。

函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[1... k ]（其中k是名义型变量中唯一值的个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。

①表示字符型向量
假设有向量diabetes<-c("Type1","Type2","Type1","Type1")
语句diabetes<-factor(diabetes)将词向量存储为（1,2,1,1），并在内部将其关联为1=Type1和2=Type2。（具体赋值根据字母顺序而定）

②表示有序型向量
假设有向量status<-c("Poor","Improved","Excellent","Poor")
语句status<-factor(status,ordered=True会将向量编码为（3,2,1,3），并在内部将这些值关联为1=Excellent、2=Improved以及3=Poor。

你可以通过指定levels选项来覆盖默认排序。
例如：
status<-factor(status,ordered=TRUE,levels=c("Poor","Improved","Excellent"))
各水平的赋值将为1=Poor、2=Improved、3=Excellent。

patientID<-c(1,2,3,4)
age<-c(25,34,28,52)
diabetes<-c("Type1","Type2","Type1","Type1")
status<-c("Poor","Improved","Excellent","Poor")
diabetes<-factor(diabetes)
status

输出结果：

代码解释：
首先，以向量的形式输入了数据 。然后，将diabetes和status分别指定为一个普通因子和一个有序型因子。最后，将数据合并为一个数据框。函数str(object)可提供R中某个对象（本例中为数据框）的信息 。它清楚地显示diabetes是一个因子，而status是一个有序型因子，以及此数据框在内部是如何进行编码的。注意，函数summary()会区别对待各个变量 。它显示了连续型变量age的最小值、最大值、均值和各四分位数，并显示了类别型变量diabetes和status（各水平）的频数值。

小结：当要对字符串型和有序型数据进行标准化时，可使用因子的形式将其数字标准化，分类代表不同的类型，便于接下来的数据分析。