Mac版R语言入门（五）R语言中的数据类型之factor因子

更多R语言信息欢迎关注我的新浪微博：Jenny爱学习

微信公众号：R语言数据分析与实践

Mac版R语言入门：R语言中的基础操作

分析数据时，经常遇到分类变量。例如，假设你有一系列关于人群特征的数据，其中一个指标是瞳孔颜色。这时候，可以用字符型数组来表示瞳孔颜色：

> eye.colors <- c("brown","blue","blue","green","brown","brown","brown")

这是一种具有易读性的信息表示方法，然而，当处理大量的观测值与名称时，这种字符读取的方法就变得十分低效。R提供了一个表示信息分类的方法，即通过factor因子型变量表示分类信息。

1 分组因子

factor是一种特殊类型的向量，被用来给数据分组，例如male／female，它只可以取某些特定的值，这些值可能包含一些分级／等级排序。因子型变量（factor）通常是一个有序项目的几何，因子型变量可以取得的所有值被称为因子水平。

order有序factor：将分级／有等级的数据用有序factor表示，这些数据并非数值型。例如在大学中，有助教、研究员、副研究员、副教授、教授。这些都属于分类，并且是有序的。

假设存在一个整型向量为factor，并且向量中每个数值都带有一个label标签。例如在评级中，将向量数值设置为1，2，3，其中1代表最高等级，2代表中等，3代表最差。由此可以得到一组变量：高、中、低。在R中，以1，2，3表现。

factor之所以重要是因为factor被用在在很多建模函数中，如lm( ), glm( )等这些函数常被用于统计线性模型中。

带有label等factor通常由于简单的整型数值向量数组，因为具有易读性。例如一组变量，有male和female两组比普通数值型向量：1，2，更容易理解。在很多数据集中，你会发现一些变量，被标注为1，2，对于研究人员来说，并不容易了解这些数值是一个真实的数字还是仅仅代表一类。如果使用factor变量，那么为代label标签编码就是所有的。factor是一种构建变量的方法，并且具有易读性。

factor可以使用factor（ ）函数创建：

factor( )函数：

• is.factor( )：判断数据是否为factor模式，并返回一个逻辑值TRUE或FALSE
• is.ordered( )：判断数据是否是有序的，并返回一个逻辑值TRUE或FALSE。
• as.factor( )：将参数强制转换为factor类型，是factor（ ）的缩写形式。
• as.ordered( )：按顺序返回x

将瞳孔颜色重编码成因子：

> eye.colors <- factor(c("brown","blue","blue","green","brown","brown","browm"))
> levels(eye.colors)                #levels函数可以展示一个factor的所有水平
[1] "blue"  "browm" "brown" "green"

factor（ ）的输入是一组char类型向量。

例如：呼叫中心一个数据分析包含BATCH、online、client三类分工，每个小组包含若干人员，同时记录中包括美人的技术水平，以及在本项目中的工作时间等信息。

Mac中使用>read.csv( )命令导入.csv(以逗号分隔符等形式保存数据的文件格式)，获取相关的数据信息，

将读取的信息赋值给x

 > x<-read.csv("~/Desktop/test.csv")