R语言-因子与向量的转换方式
更新时间：2021年04月17日 10:34:33 作者：hongweigg
这篇文章主要介绍了R语言-因子与向量的转换方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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脚本之家。如有错误或未考虑完全的地方，望不吝赐教。
相关文章
这篇文章主要介绍了R语言与格式，日期格式，格式转化的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要介绍了R语言入门之安装R和Rstuido软件，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
这篇文章主要介绍了R语言删除指定变量或对象的操作方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要为大家介绍了R语言实现地理加权回归（GWR）操作流程示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2023-10-10
本文介绍了如何使用R语言实现自动文摘，我们首先介绍了基于词频-逆文档频率（TF-IDF）的自动文摘方法，包括创建词项文档矩阵，计算TF-IDF值，提取关键词，以及根据关键词生成摘要，需要的朋友一起学习下吧2023-05-05
这篇文章主要介绍了R语言中for循环的并行处理方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要给大家介绍了关于R语言如何进行线性回归的拟合度的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
这篇文章主要为大家介绍了ComplexHeatmap绘制单个热图示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-06-06
在本篇文章里小编给大家分享的是一篇关于R语言中其它对象知识点总结内容，有需要的朋友们可以学习下。2021-03-03
这篇文章主要为大家介绍了R语言绘制Bubble Matrix气泡矩阵图的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助祝大家多多进步2022-02-02
最新评论