因子 Factor

因子（factor）是一个对同长的其他向量元素 进行分类（分组）的向量对象。 R 同时提供有序（ordered）和无序（unordered）因子。 而“真正”使用因子是在设计模型公式的时候。

因子（factor）用来存储分类数据，因子向量只能存储事先定义的值； A factor is a vector that can contain only predefined values, and is used to store categorical data. （adv-r） 不能添加一个“非法”的水平，可以提前插入新的水平

因子的值本质上是一种分类，而非数字。

因子的水平（level）：因子向量中不同值的记录

因子的长度：length（factorName）：为数据的长度，而非水平的个数

对因子的操作

定义因子

# 定义一个因子  
x.f <- factor(c('A', 'B', 'A', 'A', 'B', 'A'))  

x.f  
##  [1] A B A A B A  
##  Levels: A B  

class(x.f)  
## [1] "factor"  

levels(x.f)  
## [1] "A" "B"  

length(x.f)  
## [1] 6

插入新的水平

# 不能使用未定义的（非法）水平  
x.f[3] <- 'C'  
##  Warning message:  
##    In `[<-.factor`(`*tmp*`, 3, value = "C") :  
##    invalid factor level, NA generated  

# 可以提前插入新的水平  
x<- c('A', 'B', 'A', 'A', 'B', 'A')  
x.f <- factor(x, levels = c("A", "B", "C"))  
x.f  
##  [1] A B A A B A  
##  Levels: A B C

因子类型转换为其他类型

数字型因子向量转换为数值向量，需要先使用as.character转换为字符型;

x.f <- factor(c(20:25))  
as.integer(x.f)  
##  [1] 1 2 3 4 5 6  
as.integer(as.character(x.f))  
##  [1] 20 21 22 23 24 25

因子组合

组合因子时需要注意：

# 定义两个因子向量  
x.f1 <- factor(c('A', 'B', 'A'))  
x.f2 <- factor(1:3)  

unclass(x.f1)  
##  [1] 1 2 1  
##  attr(,"levels")  
##  [1] "A" "B"  
unclass(x.f2)  
##  [1] 1 2 3  
##  attr(,"levels")  
##  [1] "1" "2" "3"  

c(x.f1, x.f2)  
##  [1] 1 2 1 1 2 3  

c(as.character(x.f1), as.character(x.f2))  
##  [1] "A" "B" "A" "1" "2" "3"

读入数据时对因子的处理

在读入数据时，R中大部分loading Function会自动将字符型向量转换为因子向量，为避免这种情况，可以在函数参数中设置

stringsAsFactors = FALSE

也可以使用

options(stringsAsFactors = FALSE)

全局设置，但并不建议这样使用。

Changing a global option may have unexpected consequences when combined with other code (either from packages, or code that you’re source()ing)

注意事项

只有部分适用于字符型向量的函数，可以应用在因子向量上（gsub，grepl），另一些则会抛出错误（nchar）。 建议在类似场景下，将因子向量转换为字符型向量进行处理