首页 > 其他分享> > 还在被R语言中的因子factor毒打吗

还在被R语言中的因子factor毒打吗

2021-04-05 17:33:00 作者：互联网

还在被R语言中的因子 factor毒打吗？

视频教程在B站或者微信里搜这个标题即可。

一、R语言为什么要设计出因子factor？

Python中没有因子的概念，为什么R中会有呢？
首先，我们知道，R语言最初是被统计学家设计出来教授统计学课程的。
这跟因子有什么关系?
当然有关系啦，因子作为R语言中内置的原生数据结构对象，它的出现就是来解决分类变量的分组、计数问题。
毕竟，统计学家不会吃饱了没事干搞个没作用的东西出来恶心人，对吧。。。
factor在R中的地位非常重要，如果你学不好factor，意味着你也学不好R。

二、factor是什么？

我的理解：factor在R语言中被称为因子，是R语言中一类特殊的类别型向量,用来给其中的类别元素进行分组、计数。
它是R语言中专门用来统计【类别型】或者【可枚举型】的数据。
适用于：【类别数量】或者【可枚举数量】相对较少的向量。
类别数量=length(unique(向量))

问题1：一个14亿人的身份证号，组成的向量，如果把它变成因子，有意义吗？
没有，因为14亿人的身份证号都是不相同的，因子对这个向量作分组计数的结果，
就是每个人的身份证号作为一组，计数的结果也就是一个。

问题2：一个超市的售货记录，1亿条商品出售记录的向量，商品类别数量为1W，把他变成因子，有意义吗
有，通过把这个向量变成因子，我们可以快速对这1W种商品进行分组、计数。
可以很快看出，哪种商品卖得好，这样因子的作用：分组、计数的效果就出来了。

class<-c("C","A","B","A")#字符串型向量  类别型
age<-c(1,5,4,3)         #数值型向量    可枚举型
f.class<-factor(class)    #因子，可理解为类别型向量。
f.class

三、factor函数的格式

主要的参数格式：
factor(x=character(), levels, labels = levels,ordered = is.ordered(x))
x:为向量或者为因子,默认会先被转成字符串型向量。
levels:unique(x)的结果，或者为unique(x)的子集。
labels:用于给levels中的结果，重命名。
ordered:值为FALSE 或者TRUE,将levels按字母顺序进行排序。未排序的因子称为普通因子，排序的因子称为有序因子。

四、factor函数的常用操作

4.0 数据准备

#随机采样生成一组字符串型向量
sex<-sample(c("男","女","娘炮"),size=1000,prob=c(0.45,0.45,0.02),replace=TRUE)
age<-sample(0:150,size=1000,replace=TRUE)  #应该没人能活过150岁吧?
logicals<-sample(c(TRUE,FALSE),size=1000,replace=TRUE)