R - 因子：初学者指南

你好，有抱负的R语言程序员！今天，我们将深入探索R语言中因子的奇妙世界。如果你之前从未编写过代码，也不要担心 - 我将作为你在这个旅程中的友好向导，到旅程结束时，你将能够像一个专业人士一样处理因子！

R - Factors

因子是什么？

在我们跳入代码之前，让我们先了解一下因子是什么。在R语言中，因子用于表示分类数据。你可以把它们看作是一种标记和组织数据中不同组或类别的方式。

例如，如果你在收集关于你的同学们最喜欢的冰淇淋口味的数据，你可能会使用因子来表示不同的口味：巧克力、香草、草莓等。每种口味都将是你因子中的一个“水平”。

现在，让我们看看如何在R中创建和处理因子！

示例：创建你的第一个因子

让我们从一个简单的示例开始。想象我们正在进行一项关于人们最喜欢的宠物的调查。

# 创建一个宠物偏好的向量
pets <- c("Dog", "Cat", "Dog", "Fish", "Cat", "Dog", "Hamster")

# 将向量转换为因子
pet_factor <- factor(pets)

# 打印因子
print(pet_factor)

# 获取因子的摘要
summary(pet_factor)

当你运行这段代码时，你将看到类似这样的输出：

[1] Dog     Cat     Dog     Fish    Cat     Dog     Hamster
Levels: Cat Dog Fish Hamster

Cat Dog Fish Hamster
2   3    1       1

让我们分解一下这个过程：

我们首先创建了一个包含不同宠物偏好的向量 pets。
然后我们使用 factor() 函数将这个向量转换为因子。
当我们打印因子时，R会显示值和因子中的水平（唯一的类别）。
summary() 函数为我们提供了因子中每个水平出现的次数。

R自动识别了唯一的类别并为我们计数，这难道不酷吗？这就是因子在分类数据中如此有用的原因！

数据框中的因子

现在，让我们看看因子在数据框中是如何工作的，数据框是R中存储数据的常见结构。

# 创建一个包含宠物偏好和年龄的数据框
pet_data <- data.frame(
name = c("Alice", "Bob", "Charlie", "David", "Eve"),
pet = c("Dog", "Cat", "Dog", "Fish", "Cat"),
age = c(25, 30, 35, 28, 22)
)

# 将 'pet' 列转换为因子
pet_data$pet <- factor(pet_data$pet)

# 打印数据框的结构
str(pet_data)

# 获取数据框的摘要
summary(pet_data)

运行这段代码将给你以下输出：

'data.frame':   5 obs. of  3 variables:
$ name: chr  "Alice" "Bob" "Charlie" "David" ...
$ pet : Factor w/ 3 levels "Cat","Dog","Fish": 2 1 2 3 1
$ age : num  25 30 35 28 22

name                pet        age
Length:5           Cat    :2   Min.   :22.00
Class :character   Dog    :2   1st Qu.:25.00
Mode  :character   Fish   :1   Median :28.00
Mean   :28.00
3rd Qu.:30.00
Max.   :35.00

这里发生了什么：

我们创建了一个包含名字、宠物偏好和年龄的数据框。
我们将 'pet' 列转换为因子。
str() 函数显示了我们的数据框结构。注意 'pet' 现在是一个有3个水平的因子。
summary() 函数为每个列提供了摘要，包括因子列中每个宠物类型的计数。

改变水平的顺序

有时，你可能想要改变因子中水平的顺序。让我们看看如何做到这一点：

# 创建一个衬衫尺寸的因子
sizes <- factor(c("Small", "Medium", "Large", "Small", "Medium"))

# 打印当前水平
print(levels(sizes))

# 改变水平的顺序
sizes <- factor(sizes, levels = c("Small", "Medium", "Large"))

# 打印新的水平
print(levels(sizes))

这将输出：

[1] "Large"  "Medium" "Small"

[1] "Small"  "Medium" "Large"

这里是我们做了什么：

我们创建了一个衬衫尺寸的因子。
初始时，R按字母顺序排列了水平。
然后我们使用 factor() 函数中的 levels 参数来指定我们想要的顺序。
现在的水平顺序是我们指定的：Small, Medium, Large。

当你在创建图表或表格并想要控制类别出现的顺序时，这特别有用。

生成因子水平

有时，你可能想要编程生成因子水平。下面是如何做到这一点的示例：

# 生成月份序列
months <- factor(month.abb)

# 打印水平
print(levels(months))

# 创建一个带有自定义水平的因子
temperatures <- factor(c("Cold", "Hot", "Mild", "Hot", "Cold"),
levels = c("Cold", "Mild", "Hot"),
ordered = TRUE)

# 打印因子
print(temperatures)

这将输出：

[1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"

[1] Cold Hot  Mild Hot  Cold
Levels: Cold < Mild < Hot

让我们分解一下这个过程：

我们使用 month.abb，一个内置的R常量，创建了一个月份缩写的因子。
然后我们创建了一个自定义的温度水平因子。
我们指定了我们想要的水平及其顺序。
通过设置 ordered = TRUE，我们创建了一个有序因子，其中 Cold < Mild < Hot。

有用的因子方法

以下是一些处理因子的有用方法：

方法	描述
`levels()`	获取或设置因子的水平
`nlevels()`	获取因子中的水平数
`as.numeric()`	将因子转换为数字（基于水平顺序）
`as.character()`	将因子转换为字符
`table()`	创建因子的频率表
`droplevels()`	从因子中移除未使用的水平

记住，熟能生巧！尝试创建你自己的因子并尝试这些方法。在你意识到之前，你将能够像一个专业人士一样处理分类数据！

我希望这个教程能帮助你理解R语言中的因子。它们是处理分类数据的强大工具，掌握它们将使你的数据分析之旅更加顺畅。快乐编码！

Credits: Image by storyset