因子在R语言中可以用来表示名义型变量或有序变量。名义变量一般表示类别，如性别，种族等等。有序变量是有一定排序顺序的变量，如职称，年级等等。在R语言中，名义变量和有序变量可以使用因子来表示。

创建因子

在R语言中可以使用factor()函数和gl()函数来创建因子变量。

（1）使用factor()函数

factor()函数的语法格式为：

f <- factor(x=charactor(), levels, labels=levels, exclude = NA, ordered = is.ordered(x), namax = NA)

其中：

x 为创建因子的数据，是一个向量；

levels：因子数据的水平，默认是x中不重复的值;

labels：标识某水平的名称，与水平一一对应，以方便识别，默认取levels的值；

exclude：从x中剔除的水平值，默认为NA值；

ordered：逻辑值，因子水平是否有顺序（编码次序），若有取TRUE，否则取FALSE；

nmax：水平个数的限制。

下面给出几个具体的例子来说明具体使用方法：

fc1 <- factor(c(1, 2, 3, 3, 1, 2, 2, 3, 1, 3, 2, 1))

fc2 <- factor(rep(1:3, times = 2), labels = c("A", "B", "C"))

grade <- c("Freshman", "Sophomore", "Junior", "Senior")

fc3 <- factor(grade, ordered = TRUE) #对于字符型向量，因子的水平默认依字母顺序创建

fc4 <- factor(grade, ordered = TRUE, levels = c("Freshman", "Sophomore", "Junior", "Senior")) #指定levels，则按levels中的顺序定义数值

本部分执行情况如下图所示：

（2）使用gl()函数

gl()函数用于定义有规律的因子向量，其语法格式如下：

gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)

其中参数的含义如下：

n: 正整数，表示因子的水平个数

k:正整数，表示每个水平重复的次数；

length: 正整数，表示因子向量的长度，默认为n*k

labels: 表示因子水平的名称，默认值为1：n

ordered： 逻辑变量，表示因子水平是否是有次序的，默认值为FALSE

g1 <- gl(3, 3) # 1 1 1 2 2 2 3 3 3

g2 <- gl(3, 3, 5) # 1 1 1 2 2

g3 <- gl(3, 2, labels = c('A', 'B', 'C')) # A A B B C C

本部分的结果情形如下图所示：

因子的索引

fc1[1] #访问输出第一个水平

fc1[1:3] #访问输出1~3个水平

fc1[c(1, 4, 7)] #访问输出第1,4,7个水平值

fc1[-1] #排除第一个

fc1[-c(1:4)] #排除第1~4个

fc1[fc1 != 1] #过滤掉等于1的因子水平

fc3[fc3 > 'Junior'] #对于有序因子可以使用>,>=,<,<=,!=,==；而非有序因子，只可以使用!=和==

注意：因为因子一般表示名义变量或有序变量，如非有序因子，则使用>,>=,<,<=比较大小是没有意义的。

本部分执行情况如下图所示：

因子的修改

fc1[1] <- 3 #注意，修改的值必须在原有的水平中

fc1[1:3] <- 2 #将1~3个水平值改为2

fc1[-1] <- 3 #将除第1个水平之外的其它水平值修改为3

fc1[-c(1,4,7)] <-1 #将除第1,4,7个水平之外的值修改为1

执行情况如下：

-------------------

最后编辑：2022-06-20

作者：萌小白

一个热爱网络的青年！

站内专栏 邮箱