R学习 第九篇:因子
因子(factor)是R语言中比较特殊的一个数据类型, 它是一个用于存储类别的类型,举个例子,从性别上,可以把人分为:男人和女人,从年龄上划分,又可以把人分为:未成年人(<18岁),成年人(>=18)。R把表示分类的数据称为因子,因子的行为有时像字符串,有时像整数。因子是一个向量,通常情况下,每个元素都是字符类型,也有其他数据类型的元素。因子具有因子水平(Levels),用于限制因子的元素的取值范围,R强制:因子水平是字符类型,因子的元素只能从因子水平中取值,这意味着,因子的每个元素要么是因子水平中的字符(或转换为其他数据类型),要么是缺失值,这是因子的约束,是语法上的规则。
一,创建因子
通常情况下,在创建数据框变量时,R隐式把数据类型为字符的列创建为因子,这是因为R会把文本类型默认为类别数据,并自动转换为因子。
例如,创建一个数据框变量,通过class()函数检查gender列的类,结果是因子类型,而不是字符向量:
heights <- data.frame(height_cm=c(156,182,170),gender=c('f','m','f')
)
> class(heights$gender)
[1] "factor"
还可以通过factor()函数创建因子,factor()函数的第一个参数必须是字符向量,通过levels参数显式设置因子水平,
factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)
参数注释:
- x:是向量,通常是由少量唯一值的字符向量
- levels:水平,字符类型,用于设置x可能包含的唯一值,默认值是x的所有唯一值。如果x不是字符向量,那么使用as.character(x)把x转换为字符向量,然后获取x向量的水平。x向量的取值跟levels有关。
- labels:是水平的标签,字符类型,用于对水平添加标签,相当于对因子水平重命名;
- exclude:排除的字符
- ordered:逻辑值,用于指定水平是否有序;
- nmax:水平的上限数量
例如,因子sex的值是向量c('f','m','f','f','m'),因子水平是c('f','m'):
> sex <- factor(c('f','m','f','f','m'),levels=c('f','m'))
> sex
[1] f m f f m
Levels: f m
二,因子水平
因子水平规定了因子取值的范围,每一个因子,都包含因子水平的信息,例如,打印gender列,可以看到因子的元素和水平:
> heights$gender
[1] f m f
Levels: f m
该因子中的每个值都是一个字符串,它们被限制为“f”、“m”和缺失值(NA)。如果把其他字符串添加到gender列中,R会抛出警告消息,并把错误赋值的元素设置为NA,例如:
> heights$gender[1]<-"female"
Warning message:
In `[<-.factor`(`*tmp*`, 1, value = c(NA, 2L, 1L)) :invalid factor level, NA generated
1,查看因子水平
因子水平,可以通过函数levels(factor)来查看:
> levels(heights$gender)
[1] "f" "m"
水平的级数,相当于level的长度,可以由nlevels函数查询到:
> nlevels(heights$gender)
[1] 2
2,因子水平的标签
使用factor函数创建因子,可以使用labels参数为每个因子水平添加标签,labels参数的字符顺序,要和levels参数的字符顺序保持一致,例如:
> sex=factor(c('f','m','f','f','m'),levels=c('f','m'),labels=c('female','male'),ordered=TRUE)
> sex
[1] female male female female male
Levels: female < male
三,有序因子
通常情况下,因子一般是无序的,这可以通过is.ordered()函数来验证:
> is.ordered(sex)
[1] FALSE
因子的顺序,实际上是指因子水平的顺序,有序因子的因子水平是有序的。在特殊情况下,有些因子的水平在语义上大于或小于其他水平,R支持按顺序排列的因子,使用ordered函数,或通过给factor函数传入order=TRUE参数,把无序因子转换为有序的因子。
1,通过ordered()函数把现有因子转换为有序因子
ordered()函数不能指定特定因子水平的顺序,通常情况下,因子中先出现的水平小于后出现的水平。
例如,通过ordered函数把sex因子转换为有序的因子:
> ordered(sex)
[1] f m f f m
Levels: f < m
2,创建有序的因子
通过factor函数创建有序因子,通过levels指定因子的顺序。
> sex <- factor(c('f','m','f','f','m'),levels=c('f','m'),ordered=TRUE)
> sex
[1] f m f f m
Levels: f < m
3,按照指定的顺序转换现有的因子
因子的顺序,其实是因子水平的顺序,我们可以通过levels,使现有的因子按照指定的因子水平来排序。
例如,把heights数据库框的gender,按照指定的levels,转换成有序因子:
heights$gender <- factor(heights$gender, levels=c('m','f'),ordered=TRUE)
四,删除因子水平
在数据清理时,可能需要去掉与因子水平对应的数据,通常情况下,需要删除未使用的因子水平,可以使用droplevels函数,它接受因子或是数据框作为参数。
## S3 method for class 'factor'
droplevels(x, exclude = if(anyNA(levels(x))) NULL else NA, ...)
## S3 method for class 'data.frame'
droplevels(x, except, exclude, ...)
如果x是数据框,那么把数据框中未使用的因子删除。
heights$gender <- droplevels(gender)
五,把因子水平转换为字符串
在数据清理中,有时需要把因子转换为字符,通常情况下,使用as.character()函数,把因子转换为字符串:
> as.character(heights$gender)
[1] NA "m" "f"
或者使用其他类型转换函数,把因子转换为特定的数据类型。
六,把因子转换成相应的整数
使用as.numeric()或as.integer()函数可以把因子转换成对应的整数
> as.integer(sex)
[1] 1 2 1 1 2
七,把连续变量分割为类别
函数cut()能够把数值变量切成不同的块,然后返回一个因子
cut(x, breaks, labels = NULL)
参数注释:
- x:数值变量
- breaks:切割点向量
- labels:每一个分组的标签
例如,把身高数据,按照指定的切割点向量分割:
cut(heights$height_cm,c(150,170,190))
[1] (150,170] (170,190] (150,170]
Levels: (150,170] (170,190]
八,修改数据框中的因子
一般情况下,数据框中的字符类型的列会转换为因子类型,要修改因子类型,一般通过三步来完成:
mydata$Category <- as.character(mydata$Category)
mydata <- within(mydata,{Category[Category=="old name"] <- "new name"})
mydata$Category <- as.factor(mydata$Category)
当需要把因子转换为有序因子时,要注意因子水平的顺序,
mydata$Category <- as.factor(mydata$Category, levels=c('your ordered'), ordered=TRUE)
参考文档:
如何理解R中因子(factor)的概念?
R学习 第九篇:因子相关推荐
- Python学习第九篇:zipfile 库操作压缩包
Python学习第九篇:zipfile 库操作压缩包 -- 活动地址:CSDN21天学习挑战赛 zipfile是python里用来做zip格式编码的压缩和解压缩的 zipfile里有两个非常常用的 ...
- python中for和while区别_Python学习第九篇——while和for的区别
1 pets = ['dog','cat','dog','goldfish','cat','rabbit','cat']2 print(pets)3 for pet inpets:4 print(pe ...
- Hive 史上最全面的大数据学习第九篇(五) Hive 自定义函数 每一天都是美好的一天!
Hive概述 & 安装方式详解 Hive表操作 Hive表分类 Hive Sql 操作 Hive 自定义函数 Hive On HBase 六.Hive 自定义函数 在Hive当中又系统自带的函 ...
- android Telephony学习 --- 第九篇 USSD简介
USSD在国内并不常用,但是海外某些地区还在使用,本人对此理解有限,仅简要介绍下USSD是什么,功能是什么等基本知识,希望可以帮助了解此功能. USSD全称是什么? USSD功能是什么? USSD格式 ...
- JavaScript 设计模式学习第九篇- 抽象工厂模式
工厂模式 (Factory Pattern),根据输入的不同返回不同类的实例,一般用来创建同一类对象.工厂方式的主要思想是将对象的创建与对象的实现分离. 抽象工厂 (Abstract Factory) ...
- 第九篇:强化学习Q-learning算法 通俗介绍
你好,我是郭震(zhenguo) 今天介绍强化学习第九篇:Q-learning算法 前面我们介绍强化学习基本概念,马尔科夫决策过程,策略迭代和值迭代,这些组成强化学习的基础. 从今天开始逐步介绍常用强 ...
- VUE源码学习第一篇--前言
一.目的 前端技术的发展,现在以vue,react,angular为代表的MVVM模式以成为主流,这三个框架大有三分天下之势.react和angular有facebook与谷歌背书,而vue是以一己之 ...
- 学习 spring-cloud-aibaba第九篇,综合应用微信小程序《背诗词》
文章目录 1.背诗词小程序界面和功能点 1.1 界面展示 1.2 功能介绍 2.架构图 2.1 理想中架构图 2.2 实际上的架构图 3 代码开源 4 线上体验 5.披过的荆斩过的棘 6.存在的不足 ...
- python中factor函数_左手用R右手Python系列——因子变量与分类重编码
原标题:左手用R右手Python系列--因子变量与分类重编码 欢迎关注天善智能 hellobi.com,我们是专注于商业智能BI,大数据,数据分析领域的垂直社区,学习.问答.求职,一站式搞定! 对商业 ...
- 强化学习基础篇(五):Dyna-Q 算法
强化学习基础篇(五):Dyna-Q 算法 (Dynamic Programming) 1. 简介 2. Dyna-Q 3. Dyna-Q 代码实践 4. 小结 文章转于 伯禹学习平台-动手学强化学习 ...
最新文章
- 【CSON原创】HTML5游戏框架cnGameJS开发实录(外部输入模块篇)
- 176页报告辟谣自动化时代的就业危机(附下载)
- 【COGS】2287:[HZOI 2015]疯狂的机器人 FFT+卡特兰数+排列组合
- python扫雷代码_室友扫雷通关来炫耀!我用Python做出自动扫雷十秒通关!
- 常用sql-----DDL语句
- Ubuntu18.04安装常用软件
- Visual C++——《可视化编程技术》实验报告——资源的应用—反弹的球
- JAVA——Scanner读取文件
- Hadoop的伪分布安装 hadoop的核心思想
- 怎么把c语言转换汇编程序,如何把汇编语言转换成C语言
- 组态王能直接读取仪表数据吗_液晶多功能网络电力仪表PD800H
- php 发送delete请求,PHP中使用CURL实现GET、POST、PUT、DELETE请求
- 网络爬虫模拟登陆获取数据并解析实战(二)
- PTA c语言 冒泡法排序
- C#等同于正则表达式的写法
- 【毕业设计/Matlab系列】基于matlab的线性调频信号的仿真
- WSL2 网络异常排查 [ping 不通、网络地址异常、缺少默认路由、被宿主机防火墙拦截]
- 网页游戏防外挂策略。
- 解决excel转pdf出现的折行问题
- java免费浏览器,Java swing实现简单的浏览器源码免费分享