• R学习 第九篇:因子


    因子(factor)是R语言中比较特殊的一个数据类型, 它是一个用于存储类别的类型,举个例子,从性别上,可以把人分为:男人和女人,从年龄上划分,又可以把人分为:未成年人(<18岁),成年人(>=18)。R把表示分类的数据称为因子,因子的行为有时像字符串,有时像整数。因子是一个向量,通常情况下,每个元素都是字符类型,也有其他数据类型的元素。因子具有因子水平(Levels),用于限制因子的元素的取值范围,R强制:因子水平是字符类型,因子的元素只能从因子水平中取值,这意味着,因子的每个元素要么是因子水平中的字符(或转换为其他数据类型),要么是缺失值,这是因子的约束,是语法上的规则。

    一,创建因子

    通常情况下,在创建数据框变量时,R隐式把数据类型为字符的列创建为因子,这是因为R会把文本类型默认为类别数据,并自动转换为因子。

    例如,创建一个数据框变量,通过class()函数检查gender列的类,结果是因子类型,而不是字符向量:

    heights <- data.frame(
      height_cm=c(156,182,170),
      gender=c('f','m','f')
    )
    > class(heights$gender)
    [1] "factor"

    还可以通过factor()函数创建因子,factor()函数的第一个参数必须是字符向量,通过levels参数显式设置因子水平,

    factor(x = character(), levels, labels = levels,
           exclude = NA, ordered = is.ordered(x), nmax = NA)

    参数注释:

    • x:是向量,通常是由少量唯一值的字符向量
    • levels:水平,字符类型,用于设置x可能包含的唯一值,默认值是x的所有唯一值。如果x不是字符向量,那么使用as.character(x)把x转换为字符向量,然后获取x向量的水平。x向量的取值跟levels有关。
    • labels:是水平的标签,字符类型,用于对水平添加标签,相当于对因子水平重命名;
    • exclude:排除的字符
    • ordered:逻辑值,用于指定水平是否有序;
    • nmax:水平的上限数量

    例如,因子sex的值是向量c('f','m','f','f','m'),因子水平是c('f','m'):

    > sex <- factor(c('f','m','f','f','m'),levels=c('f','m'))
    > sex
    [1] f m f f m
    Levels: f m

    二,因子水平

    因子水平规定了因子取值的范围,每一个因子,都包含因子水平的信息,例如,打印gender列,可以看到因子的元素和水平:

    > heights$gender
    [1] f m f
    Levels: f m

    该因子中的每个值都是一个字符串,它们被限制为“f”、“m”和缺失值(NA)。如果把其他字符串添加到gender列中,R会抛出警告消息,并把错误赋值的元素设置为NA,例如:

    > heights$gender[1]<-"female"
    Warning message:
    In `[<-.factor`(`*tmp*`, 1, value = c(NA, 2L, 1L)) :
      invalid factor level, NA generated

    1,查看因子水平

    因子水平,可以通过函数levels(factor)来查看:

    > levels(heights$gender)
    [1] "f" "m"

    水平的级数,相当于level的长度,可以由nlevels函数查询到:

    > nlevels(heights$gender)
    [1] 2

    2,因子水平的标签

    使用factor函数创建因子,可以使用labels参数为每个因子水平添加标签,labels参数的字符顺序,要和levels参数的字符顺序保持一致,例如:

    > sex=factor(c('f','m','f','f','m'),levels=c('f','m'),labels=c('female','male'),ordered=TRUE)
    > sex
    [1] female male   female female male  
    Levels: female < male

    三,有序因子

    通常情况下,因子一般是无序的,这可以通过is.ordered()函数来验证:

    > is.ordered(sex)
    [1] FALSE

    因子的顺序,实际上是指因子水平的顺序,有序因子的因子水平是有序的。在特殊情况下,有些因子的水平在语义上大于或小于其他水平,R支持按顺序排列的因子,使用ordered函数,或通过给factor函数传入order=TRUE参数,把无序因子转换为有序的因子。

    1,通过ordered()函数把现有因子转换为有序因子

    ordered()函数不能指定特定因子水平的顺序,通常情况下,因子中先出现的水平小于后出现的水平。

    例如,通过ordered函数把sex因子转换为有序的因子:

    > ordered(sex)
    [1] f m f f m
    Levels: f < m

    2,创建有序的因子

    通过factor函数创建有序因子,通过levels指定因子的顺序。

    > sex <- factor(c('f','m','f','f','m'),levels=c('f','m'),ordered=TRUE)
    > sex
    [1] f m f f m
    Levels: f < m

    3,按照指定的顺序转换现有的因子

    因子的顺序,其实是因子水平的顺序,我们可以通过levels,使现有的因子按照指定的因子水平来排序。

    例如,把heights数据库框的gender,按照指定的levels,转换成有序因子:

    heights$gender <- factor(heights$gender, levels=c('m','f'),ordered=TRUE)

    四,删除因子水平

    在数据清理时,可能需要去掉与因子水平对应的数据,通常情况下,需要删除未使用的因子水平,可以使用droplevels函数,它接受因子或是数据框作为参数。

    ## S3 method for class 'factor'
    droplevels(x, exclude = if(anyNA(levels(x))) NULL else NA, ...)
    ## S3 method for class 'data.frame'
    droplevels(x, except, exclude, ...)

    如果x是数据框,那么把数据框中未使用的因子删除。

    heights$gender <- droplevels(gender)

    五,把因子水平转换为字符串

    在数据清理中,有时需要把因子转换为字符,通常情况下,使用as.character()函数,把因子转换为字符串:

    > as.character(heights$gender)
    [1] NA  "m" "f"

    或者使用其他类型转换函数,把因子转换为特定的数据类型。

    六,把因子转换成相应的整数

    使用as.numeric()或as.integer()函数可以把因子转换成对应的整数

    > as.integer(sex)
    [1] 1 2 1 1 2

    七,把连续变量分割为类别

    函数cut()能够把数值变量切成不同的块,然后返回一个因子

    cut(x, breaks, labels = NULL)

    参数注释:

    • x:数值变量
    • breaks:切割点向量
    • labels:每一个分组的标签

    例如,把身高数据,按照指定的切割点向量分割:

    cut(heights$height_cm,c(150,170,190))
    [1] (150,170] (170,190] (150,170]
    Levels: (150,170] (170,190]

    八,修改数据框中的因子

    一般情况下,数据框中的字符类型的列会转换为因子类型,要修改因子类型,一般通过三步来完成:

    mydata$Category <- as.character(mydata$Category)
    mydata <- within(mydata,{Category[Category=="old name"] <- "new name"})
    mydata$Category <- as.factor(mydata$Category)

    当需要把因子转换为有序因子时,要注意因子水平的顺序,

    mydata$Category <- as.factor(mydata$Category, levels=c('your ordered'), ordered=TRUE)

    参考文档:

    如何理解R中因子(factor)的概念?

  • 相关阅读:
    C语言I博客作业02
    C语言I博客作业06
    C语言I—2019秋作业第一周作业
    C语言I博客作业09
    C语言I博客作业07
    C语言I博客作业08
    利用 jrebel 热部署\远程调试\远程热部署 springboot项目 服务器上的代码
    java 双因素认证(2FA)TOTP demo
    java File读取文件始终不存在的问题分析
    exchange 2010 的两个错误
  • 原文地址:https://www.cnblogs.com/ljhdo/p/4911110.html
Copyright © 2020-2023  润新知