关键词:
参考技术A R语言中的因子确实不好理解,很多人都这么觉得。在R语言中,因子(factor)表示的是一个符号、一个编号或者一个等级,即,一个点。例如,人的个数可以是1,2,3,4......那么因子就包括,1,2,3,4.....还有统计量的水平的时候用到的高、中、低,也是因子,因为他是一个点。与之区别的向量,是一个连续性的值,例如,数值中有1,1.1,1.2......可以作为数值来计算,而因子则不可以。如果用我自己的理解,简单通俗来讲:因子是一个点,向量是一个有方向的范围。在R中,如果把数字作为因子,那么在导入数据之后,需要将向量转换为因子(factor),而因子在整个计算过程中不再作为数值,而是一个"符号"而已。因子的水平就是因子的所有不相同的符号的集合。创建因子的函数介绍如下:
factor(x, levels = sort(unique(x), na.last = TRUE),
labels = levels, exclude = NA, ordered = is.ordered(x))
levels 用来指定因子可能的水平(缺省值是向量x中互异的值);labels
用来指定水平的名字;exclude表示从向量x中剔除的水平值;ordered是
一个逻辑型选项用来指定因子的水平是否有次序。回想数值型或字符型
的x。
> factor(1:3)
[1] 1 2 3
Levels: 1 2 3
> factor(1:3, levels=1:5)
[1] 1 2 3
Levels: 1 2 3 4 5
> factor(1:3, labels=c("A", "B", "C"))
[1] A B C
Levels: A B C
> factor(1:5, exclude=4)
[1] 1 2 3 NA 5
Levels: 1 2 3 5
函数levels用来提取一个因子中可能的水平值:
> f <- factor(c(2, 4), levels=2:5)
> f
[1] 2 4
Levels: 2 3 4 5
> levels(f)
[1] "2" "3" "4" "5"
因子用来存储类别变量(categorical variables)和有序变量,这类变量不能用来计算而只能用来分类或者计数。因子表示分类变量,有序因子表示有序变量。生成因子数据对象的函数是factor(),语法是factor(data, levels, labels, ...),其中data是数据,levels是因子水平向量,labels是因子的标签向量。
1、创建一个因子。
例1:
>colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R', 'Y')
>col <- factor(colour)
>col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow')) #labels的内容替换colour相应位置对应levels的内容
>col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))
>col_vec <- as.vector(col2) #转换成字符向量
>col_num <- as.numeric(col2) #转换成数字向量
>col3 <- factor(colour, levels = c('G', 'R'))
2、创建一个有序因子。
例1:
>score <- c('A', 'B', 'A', 'C', 'B')
>score1 <- ordered(score, levels = c('C', 'B', 'A'));
>score1
[1] A B A C B
Levels: C < B < A
3、用cut()函数将一般的数据转换成因子或有序因子。
例1:
>exam <- c(98, 97, 52, 88, 85, 75, 97, 92, 77, 74, 70, 63, 97, 71, 98,
65, 79, 74, 58, 59, 60, 63, 87, 82, 95, 75, 79, 96, 50, 88)
>exam1 <- cut(exam, breaks = 3) #切分成3组
>exam1
[1] (82,98] (82,98] (50,66] (82,98] (82,98] (66,82] (82,98] (82,98] (66,82]
[10] (66,82] (66,82] (50,66] (82,98] (66,82] (82,98] (50,66] (66,82] (66,82]
[19] (50,66] (50,66] (50,66] (50,66] (82,98] (66,82] (82,98] (66,82] (66,82]
[28] (82,98] (50,66] (82,98]
Levels: (50,66] (66,82] (82,98]
>exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己设置的组
> exam2
[1] (89,100] (89,100] (0,59] (79,89] (79,89] (69,79] (89,100] (89,100]
[9] (69,79] (69,79] (69,79] (59,69] (89,100] (69,79] (89,100] (59,69]
[17] (69,79] (69,79] (0,59] (0,59] (59,69] (59,69] (79,89] (79,89]
[25] (89,100] (69,79] (69,79] (89,100] (0,59] (79,89]
Levels: (0,59] (59,69] (69,79] (79,89] (89,100]
>attr(exam1, 'levels');
[1] "(50,66]" "(66,82]" "(82,98]"
>attr(exam2, 'levels');
[1] "(0,59]" "(59,69]" "(69,79]" "(79,89]" "(89,100]"
>attr(exam2, 'class')
[1] "factor"
#一个有序因子
> x <- factor(rep(1:5,3))
> ordered(x,labels = c('a1','a2','a3','a4','a5'))
[1] a1 a2 a3 a4 a5 a1 a2 a3 a4 a5 a1 a2 a3 a4 a5
Levels: a1 < a2 < a3 < a4 < a5
r语言探索性因子分析(exploratoryfactoranalysis)
R语言探索性因子分析(Exploratoryfactoranalysis)因子分析的方法一般有两种:一是探索性因子分析(EFA);二是验证性因子分析(CFA)。探索性因子分析有助于建立新的假设、发展新的理论;验证性因子分析适用于理论架构已经较... 查看详情
r语言droplevels函数删除因子变量(factor)没有用到的级别(level)实战
R语言droplevels函数删除因子变量(factor)没有用到的级别(level)实战目录R语言droplevels函数删除因子变量(factor)没有用到的级别(level)实战#基本语法#删除因子向量的级别 查看详情
r语言实战应用-基于r语言的对应分析
一.基本概念和原理对应分析(CorrespondenceAnalysis)是在因子分析的基础上发展起来的,对应分析是多变量统计分析中有用的分析方法。对应分析把R型和Q型因子统一起来,通过R型因子分析直接得到Q型因子分析的结果,把变量(指... 查看详情
r语言-数据类型及查看方式
参考技术AR语言支持的数据类型数值型(numeric)复数型(complex)逻辑型(logical)字符型(character)R语言的数据对象类型包括:标量(Scalar)向量(Vector):一个向量只能有一种数据类型因子(Factor):一个因子只能有一种数据... 查看详情
r语言编程艺术_第六章_因子和表
一、因子与水平1、简单直接的认识因子和水平 因子可以简单的理解为包含了更多信息的向量。即因子=向量+水平。(当然实际上它们内部机理不同)。水平是对于向量中不同值的记录,以下面代码为例:>x<-c(5,12,13,12)>... 查看详情
r语言因子分析fa(factoranalysis)实战案例
R语言因子分析FA(factoranalysis)实战案例目录R语言因子分析FA(factoranalysis)实战案例#因子分析#案例分析 查看详情
r语言因子分析fa(factoranalysis)步骤实战
R语言因子分析FA(factoranalysis)步骤实战目录R语言因子分析FA(factoranalysis)步骤实战#因子分析 #案例分析 查看详情
r语言应用实战-基于r的因子分析(以上市公司数据为例)
一.概念和原理因子分析法是从研究变量的内部的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类,将相关性较高,即联系比较紧密的分... 查看详情
r语言factor最简单的理解
参考技术A最近正在学习R语言,碰到了因子factor,自己很不理解,网上找了很多的资料,可是感觉都说的很难,自己不是很理解,所以自己决定写一篇博客来帮助和自己一样有困惑的小伙伴。首先,因子是离散的,它不是连续的... 查看详情
r语言使用dplyr包基于因子变量(factor)将原dataframe拆分为每一个因子对应的单独数据集dataframe实战
R语言使用dplyr包基于因子变量(factor)将原dataframe拆分为每一个因子对应的单独数据集dataframe实战目录 查看详情
[读书笔记]r语言实战(十四)主成分和因子分析
主成分分析和探索性因子分析是用来探索和简化多变量复杂关系的常用方法,能解决信息过度复杂的多变量数据问题。主成分分析PCA:一种数据降维技巧,将大量相关变量转化为一组很少的不相关变量,这些无关变量称为主成分... 查看详情
r语言数据类型
R语言用来存储数据的对象包括:向量,因子,数组,矩阵,数据框,时间序列(ts)以及列表,下面讲意义介绍.1.向量(一维数据):只能存放同一类型的数据语法:c(data1,data2,...), 访问的时候下标从1开始(和Matlab相同); 向... 查看详情
如何在r语言中使用logistic回归模型
Logistic回归在做风险评估时,一般采用二值逻辑斯蒂回归(BinaryLogisticRegression)。以滑坡灾害风险评估为例。1、滑坡发生与否分别用0和1表示(1表示风险发生,0表示风险未发生);2、确定影响滑坡风险的影响因子,这个根据区... 查看详情
r语言_table()函数与因子变量
参考技术A今天在写一个求众数的函数,思路很简单:统计unique数值,并计算其频数,取最大值就是,函数如下:众数值没有问题,但是此处出现了因子水平levels,函数最后一步提取的应该是[1,1]位置的数值才对。怎么出现因子水... 查看详情
r语言cut函数实现数据分箱及因子化实战
R语言cut函数实现数据分箱及因子化实战目录R语言cut函数实现数据分箱及因子化实战#基本语法#cut函数数值分箱 查看详情
r语言ggplot2可视化条形图(barplot)配置因子变量的全局填充色方案这样不同数据集相同因子的填充色具有一致性(fixcolorstofactorlevels)
R语言ggplot2可视化条形图(barplot)、配置因子变量的全局填充色方案、这样不同数据集相同因子的填充色具有一致性(Fixcolorstofactorlevels)目录 查看详情
r语言ggplot2可视化多因子分组条形图使用position_dodge2函数配置所有的条形宽度相同不管分组是否只有一个因子
R语言ggplot2可视化多因子分组条形图、使用position_dodge2函数配置所有的条形宽度相同、不管分组是否只有一个因子目录 查看详情
r语言ggplot2可视化柱状图(条形图)可视化中保留没有用到的因子水平(占位保留)
R语言ggplot2可视化柱状图(条形图)可视化中保留没有用到的因子水平(占位保留)目录 查看详情