R在数据科学中的应用，第2版

第 16 章 因素

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

导言

因子用于分类变量，即具有固定已知可能值集的变量。如果要以非字母顺序显示字符向量，因数也很有用。

首先，我们将说明为什么数据分析需要因子¹以及如何使用 factor().然后，我们将向您介绍gss_cat 数据集，其中包含大量分类变量供您尝试。然后，您将使用该数据集练习修改因子的顺序和值，最后我们将讨论有序因子。

先决条件

Base R 提供了一些创建和操作因子的基本工具。我们将使用 forcats 软件包对其进行补充，它是核心 tidyverse 的一部分。它提供了处理分类变量的工具（它是因子的变位词！），并使用大量的辅助工具来处理因子。

library(tidyverse)

因子基础知识

假设有一个记录月份的变量：

x1 <- c("Dec", "Apr", "Jan", "Mar")

使用字符串来记录这个变量有两个问题：

1. 只有 12 个可能的月份，而且无法避免错别字：

   x2 <- c("Dec", "Apr", "Jam", "Mar")

2. 它没有进行有用的分类：

   sort(x1)
   #> [1] "Apr" "Dec" "Jan" "Mar"

使用因子可以解决这两个问题。要创建一个因子，首先必须创建一个有效水平列表：

month_levels <- c(
  "Jan", "Feb", "Mar", "Apr", "May", "Jun", 
  "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"
)

现在，您可以创建一个因子：

y1 <- factor(x1, levels = month_levels)
y1
#> [1] Dec Apr Jan Mar
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

sort(y1)
#> [1] Jan Mar Apr Dec
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

任何不在等级中的值都将被静默转换为NA ：

y2 <- factor(x2, levels = month_levels)
y2
#> [1] Dec  Apr  <NA> Mar 
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

这似乎有风险，因此您可能需要使用 forcats::fct()来代替：

y2 <- fct(x2, levels = month_levels)
#> Error in `fct()`:
#> ! All values of `x` must appear in `levels` or `na`
#> ℹ Missing level: "Jam"

如果省略级别，则将按字母顺序从数据中提取：

factor(x1)
#> [1] Dec Apr Jan Mar
#> Levels: Apr Dec Jan Mar

按字母顺序排序略有风险，因为并非每台计算机都会以相同的方式对字符串进行排序。因此 forcats::fct()按首次出现排序：

fct(x1)
#> [1] Dec Apr Jan Mar
#> Levels: Dec Apr Jan Mar

如果您需要直接访问有效级别集，可以使用 ...