R语言学习笔记：因子

R语言中的因子就是factor，用来表示分类变量(categorical variables)，这类变量不能用来计算而只能用来分类或者计数。

可以排序的因子称为有序因子(ordered factor)。

factor()

用来生成因子数据对象，语法是：

factor(data, levels, labels, ...)

其中data是数据，levels是因子的级别向量，labels是因子的标签向量。

以我的10个月的fitbit数据为例，创建一个因子

fitbit <- read.csv("fitbit.csv")

fitbit$date <- as.Date(fitbit$date)

month <- factor(format(fitbit$date,"%m"))  #建立因子

这样就按月份建立一个因子，以后就可以按月份进行分类统计了。

str(month) #看看因子的结构信息，可以看到有10个级别Levels，代表着10个月份。

Factor w/ 10 levels "01","02","03",..: 1 1 1 1 1 1 1 1 1 1 ...

length(month)  #向量的长度并不是10，而是fitbit中的数据行数。

[1] 304

summary(month)  #可以看看汇总信息，这里列出每个分类中的数据个数

01 02 03 04 05 06 07 08 09 10

31 28 31 30 31 30 31 31 30 31

ordered()

也可以建立有序的因子：

ordered_month <- ordered(format(fitbit$date,"%m"))

str(ordered_month)

Ord.factor w/ 10 levels "01"<"02"<"03"<..: 1 1 1 1 1 1 1 1 1 1 ...

可以看出各个级别有顺序大小关系。

tapply()

统计每个月的步数

tapply(fitbit$step, month, mean)

       01        02        03        04        05        06        07        08        09        10

11263.032 10200.250 12710.065  6389.233  7228.774 10755.800 11425.903 11147.129 11210.767  9706.097

画出图来看看，4、5月份有缺失数据，所以平均数偏低

plot(tapply(fitbit$step, month, mean), type="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