R factor 因子

说明

函数 factor 用于将向量编码为因子(术语 ‘category’ 和“枚举类型”也用于因子)。如果参数 ordered 是 TRUE ，则假定因子级别已排序。为了与 S 兼容，还有一个函数 ordered 。

is.factor 、 is.ordered 、 as.factor 和 as.ordered 是这些类的成员函数和强制函数。

用法

factor(x = character(), levels, labels = levels,
       exclude = NA, ordered = is.ordered(x), nmax = NA)

ordered(x = character(), ...)

is.factor(x)
is.ordered(x)

as.factor(x)
as.ordered(x)

addNA(x, ifany = FALSE)

.valid.factor(object)

参数

x	数据向量，通常采用少量不同的值。
levels	唯一值(作为字符串)的可选向量x可能已经采取了。默认值是唯一的一组值as.character(x)，按升序排列x的。请注意，该集合可以指定为小于sort(unique(x)).
labels	级别标签的可选字符向量(删除 exclude 中的标签后，顺序与 levels 相同)，或长度为 1 的字符串。 labels 中的重复值可用于映射不同的值x 达到相同的因子水平。
exclude	形成水平集时要排除的值向量。这可能是与 x 设置相同级别的因子，或者应该是 character 。
ordered	逻辑标志来确定级别是否应被视为有序(按给定的顺序)。
nmax	级别数的上限；查看具体信息'。
...	(在 ordered(.) 中)：除 ordered 本身之外的任何上述内容。
ifany	仅在使用时添加 NA 级别，即 any(is.na(x)) 。
object	一个R对象。

细节

向量x的类型不受限制；它只必须具有 as.character 方法并且可排序(通过 order )。

有序因子与因子仅在类别上有所不同，但方法和模型拟合函数对这两个类别的处理方式却截然不同。

向量的编码如下。首先，exclude 中的所有值都从 levels 中删除。如果 x[i] 等于 levels[j] ，则结果的第 i 元素为 j 。如果在 levels 中未找到 x[i] 的匹配项(这对于排除的值会发生)，则结果的第 i 元素将设置为 NA 。

通常，用作结果属性的 ‘levels’ 是删除 exclude 中的级别后减少的级别集，但这可以通过提供 labels 来更改。这应该是级别的一组新标签，或者是一个字符串，在这种情况下，级别是附加了序列号的字符串。

factor(x, exclude = NULL)应用于没有的因子NAs 是 no-operation，除非有未使用的级别：在这种情况下，将返回具有缩减级别集的因子。如果exclude被使用，因为R3.4.0版本，排除不存在的字符级别相当于什么都不排除，并且当exclude是一个character向量，即是应用于水平x。或者，exclude可以是具有相同水平设置的因子x并将排除中存在的水平exclude.

因子的代码可能包含 NA 。对于数字 x ，设置 exclude = NULL 以使 NA 成为一个额外级别(打印为 <NA> )；默认情况下，这是最后一个级别。

如果NA 是一个级别，则将代码设置为缺失的方法(与缺失级别的代码相反)是在赋值的左侧使用is.na(如is.na(f)[i] <- TRUE 中所示) ；is.na 内部的索引不起作用)。在这种情况下，缺失值当前打印为 <NA> ，即与 NA 级别的条目相同。

is.factor 是通用的：您可以编写方法来处理特定类的对象，请参阅 InternalMethods 。

如果未提供levels，则调用unique。由于因子通常具有相当少的级别，因此对于大型向量 x，提供 nmax 作为唯一值数量的上限会很有帮助。

当使用c将一个(可能有序的)因子与其他对象组合时，如果所有对象都是(可能有序的)因子，则结果将是一个具有级别的因子，即元素级别集的并集，按级别的顺序排列发生在元素的水平集中(这意味着如果所有元素具有相同的水平集，即结果的水平集)，相当于unlist对因子对象列表的操作。

值

factor 返回 "factor" 类的对象，该对象具有一组长度为 x 的整数代码，具有 character 模式的 "levels" 属性和唯一 ( !anyDuplicated(.) ) 条目。如果参数 ordered 为 true(或使用 ordered())，则结果具有类 c("ordered", "factor") 。很长一段时间以来，factor(x) 丢失了除 "names" 之外的所有 attributes(x) ，并重置了 "levels" 和 "class" 。

将 factor 应用于有序或无序因子会返回一个仅包含出现级别的因子(相同类型)：另请参阅 [.factor 以更透明的方式实现此目的。

is.factor 返回TRUE 或FALSE，具体取决于其参数是否为因子类型。相应地，当 is.ordered 的参数是有序因子时，它返回 TRUE，否则返回 FALSE。

as.factor 将其参数强制为一个因子。它是 factor 的缩写形式(有时更快)。

如果已排序，as.ordered(x) 返回x，否则返回ordered(x)。

addNA 通过将 NA 转换为额外级别来修改因子(例如，以便将 NA 值计入表中)。

.valid.factor(object) 检查一个因子的有效性，目前只有levels(object) ，如果有效则返回TRUE，否则返回说明有效性问题的字符串。该函数用于validObject(<factor>)。

警告

因子的解释取决于代码和 "levels" 属性。仅小心比较具有相同水平集(以相同顺序)的因子。特别是，应用于因子的 as.numeric 是没有意义的，并且可能通过隐式强制转换发生。要将因子 f 转换为近似其原始数值，建议使用 as.numeric(levels(f))[f] ，它比 as.numeric(as.character(f)) 效率稍高。

默认情况下，因子的级别已排序，但排序顺序很可能取决于创建时的区域设置，并且不应假定为 ASCII。

有一些异常与具有 NA 级别的因子相关。建议谨慎使用它们，例如仅用于制表目的。

比较运算符和组泛型方法

group generic Ops 有 "factor" 和 "ordered" 方法，它们为 Comparison 运算符以及 Summary 中的 min 、 max 和 range 泛型提供方法的 "ordered" 。 (其余组和 Math 组会生成错误，因为它们对因子没有意义。)

只有 == 和 != 可用于因子：一个因子只能与具有相同级别集(不一定具有相同顺序)的另一个因子或字符向量进行比较。有序因子以相同的方式进行比较，但一般调度机制不允许比较有序因子和无序因素。

所有比较运算符都可用于有序因子。排序规则是通过操作数的级别完成的：如果两个操作数都是有序因子，则它们必须具有相同的级别集。

注意

在早期版本中R，如果重复的比例很小，则将字符数据存储为一个因子会更节省空间。然而，相同的字符串现在共享存储，因此在大多数情况下差异很小。 (整数值存储在 4 个字节中，而每个对字符串的引用需要 4 或 8 个字节的指针。)

例子

(ff <- factor(substring("statistics", 1:10, 1:10), levels = letters))
as.integer(ff)      # the internal codes
(f. <- factor(ff))  # drops the levels that do not occur
ff[, drop = TRUE]   # the same, more transparently

factor(letters[1:20], labels = "letter")

class(ordered(4:1)) # "ordered", inheriting from "factor"
z <- factor(LETTERS[3:1], ordered = TRUE)
## and "relational" methods work:
stopifnot(sort(z)[c(1,3)] == range(z), min(z) < max(z))


## suppose you want "NA" as a level, and to allow missing values.
(x <- factor(c(1, 2, NA), exclude = NULL))
is.na(x)[2] <- TRUE
x  # [1] 1    <NA> <NA>
is.na(x)
# [1] FALSE  TRUE FALSE

## More rational, since R 3.4.0 :
factor(c(1:2, NA), exclude =  "" ) # keeps <NA> , as
factor(c(1:2, NA), exclude = NULL) # always did
## exclude = <character>
z # ordered levels 'A < B < C'
factor(z, exclude = "C") # does exclude
factor(z, exclude = "B") # ditto

## Now, labels maybe duplicated:
## factor() with duplicated labels allowing to "merge levels"
x <- c("Man", "Male", "Man", "Lady", "Female")
## Map from 4 different values to only two levels:
(xf <- factor(x, levels = c("Male", "Man" , "Lady",   "Female"),
                 labels = c("Male", "Male", "Female", "Female")))
#> [1] Male   Male   Male   Female Female
#> Levels: Male Female

## Using addNA()
Month <- airquality$Month
table(addNA(Month))
table(addNA(Month, ifany = TRUE))

参考

Chambers, J. M. and Hastie, T. J. (1992) Statistical Models in S. Wadsworth & Brooks/Cole.

也可以看看

[.factor 用于因子子集。

gl 用于构建平衡因子，C 用于具有指定对比的因子。 levels和nlevels用于访问级别，unclass用于获取整数代码。