高效R语言编程

高效编程

｜

65

通常，类别变量存成

1

、

2

、

3

、

4

、

5

的形式，并另附文档说明各数字的含义。

明显这很痛苦。当然，我们可将数据存成字符向量。尽管这样看起来很好，

但语法上是错误的，因为没有表达出这是一个类别变量。既然因子有正反两面，

那么总用或者永远不用因子都是不明智的。实际上，我们需要具体情况具体

分析。

通常来说，如果你的变量有固有排序（例如从大到少）或者你有固定不变的

类别集合，你该考虑使用因子。

内在排序

因子可用于图形排序。例如假设我们有一个数据集，其中 type变量有三个

可能取值：small、medium、large。显然，这是有序的。使用一个标准的

boxplot() 函数调用：

boxplot(y ~ type)

将创建箱线图（

boxplot

）

,

其中

x

轴是按照字符排序的。将变量 type 转换成因子，

我们很轻松地定义了正确的排序。

boxplot(y ~ factor(type, levels = c("Small", "Medium", "Large")))

多数用户使用 read.csv() 函数与因子打交道，该函数将字符列自动转

换成因子。如果数据混乱并且我们要清理重编数据，该函数的自动转

换功能是很讨厌的。通常在使用 read.csv() 读取数据时，我们将参数

stringsAsFactors

设置为 FALSE。尽管可将该参数添加到全局 options()

列表并放入

.Rprofile

文件中，但这容易导致不可移植代码，通常避免这样做。

固定类别

假如我们的数据集是月份相关的：

m =