R语言 因子转换向量 R语言-因子与向量的转换方式
hongweigg 人气:0想了解R语言-因子与向量的转换方式的相关内容吗，hongweigg在本文为您仔细讲解R语言 因子转换向量的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：R语言,因子转换,向量转换，下面大家一起来学习吧。
一、因子的特点或性质
1、因子可视为C或JAVA语言中的枚举，适用于有限状态的表示。
2、因子不可以赋枚举集合外的值，如一个因子包含male,female,则不能再赋male和female以为的值，赋其他值会将该元素设置为空值。
二、因子的建立
1、因子的建立
假定有因子gendor，为一组人的性别：
> gendor<-factor(c('m','f','f','m'),labels=c('male','female')）
则通过上式建立一个性别因子。
> gendor [1] female male male female Levels: male female
可以看到有两个级别（或水平），分别是male和female。
2、有序因子
若因子需要有序，比如差，一般，好，很好，非常好，则可使用order参数：order=TRUE。
例如：
>qulity<-c('good','common','good','better','excellent')
> q<-factor(qulity,levels=c('bad','good','common','better','excellent'),
+ labels=c('bad','good','common','better','excellent'),order=TRUE)
> q
[1] good common good better excellent
Levels: bad < good < common < better < excellent
> q[4]
[1] better
Levels: bad < good < common < better < excellent
三、因子与向量的转换
1、向量到因子转换
实际上就是构造因子，例如上例：
>qulity<-c('good','common','good','better','excellent')
> q<-factor(qulity,levels=c('bad','good','common','better','excellent'),
+ labels=c('bad','good','common','better','excellent'),order=TRUE)
> str(q)
Ord.factor w/ 5 levels "bad"<"common"<..: 3 2 3 4 5
2、因子到向量的转换
（1）使用as.vector()函数，例子：
> q<-factor(qulity,levels=c('bad','common','good','better','excellent'),
+ labels=c('bad','common','good','better','excellent'),order=TRUE)
> q
[1] good common good better excellent
Levels: bad < common < good < better < excellent
> str(q)
Ord.factor w/ 5 levels "bad"<"common"<..: 3 2 3 4 5
> q2<-as.vector(q)
> q2
[1] "good" "common" "good" "better" "excellent"
> str(q2)
chr [1:5] "good" "common" "good" "better" "excellent"
可以看到已经转换为字符型。
（2）使用as.numeric()函数，因子被转换为数字，例子：
> q2<-as.numeric(q) > q2 [1] 3 2 3 4 5 > str(q2) num [1:5] 3 2 3 4 5
参考：
因子(factor)和有序因子(ordered factor)
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
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
exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己设置的组
attr(exam1, 'levels'); attr(exam2, 'levels'); attr(exam2, 'class')
ordered(exam2, labels = c('bad', 'ok', 'average', 'good', 'excellent')) #一个有序因子
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。
加载全部内容