R语言因子理解，转自知乎，mark一下

原文链接：如何理解R中因子(factor)的概念?
作者：Sanyo
链接：https://www.zhihu.com/question/48472404/answer/455193433
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

一、定义
标准定义： 因子用来存储类别变量和有序变量，这类变量不能用来计算而只能用来分类或者计数。举个例子来看。我们在取用数据的时候，肯定会有很多维度，比如我在整理某个事件的媒体传播情况，会有这些维度：标题、媒体、网址、阅读量等等。

这些维度里面，有文本格式的，也有数字格式的。这个时候因子的概念就引入了，我把这些不管是文本格式的数据列还是数字格式的数据列，都可以统一包装成因子数据格式，差不多就可以这么理解它。（后面讲为什么要这么做）

二：简要介绍一下因子
你可以这么创建一个因子：

factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)

因为我们只是为了理解这东西，所以先只看levels和labels这两个参数。
首先是因子水平levels，下面我创建一个新闻的来源维度，w代表微信，m代表网媒：

source<- factor(c('w','w','m','m','m'),levels=c('w','m'))

因子source的值是向量c(‘w’,‘w’,‘m’,‘m’,‘m’)，因子水平是c(‘w’,‘m’)，打印出来是这个样子：

这里的levels规定了因子的取值范围，如果我在创建值向量中多一个levels范围外的“y”，他就显示不出来了，显示为<NA>

然后是因子水平的标签labels，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：

source<- factor(c('w','w','m','m','m'),levels=c('w','m'),labels=c('weixin','media'))

然后他会是这样的:

三、为什么要这么设定，因子有什么用？
因子其实是把序列中的数据看成是一个类别、等级，或者说就是一个点，比如媒体，可以有网媒、微信，阅读量，本身是个连续的数据，这里每一个阅读量，都被看成一个类别（虽然这类数值不适合作为类别，更适合作为连续数值处理）

类别数据，可以帮你查看有哪些类别：

查看有多少类别：

具体应用中还有很多用，本文只为了了解，所以不继续展开。

四、实际操作中遇到过的坑：
在创建具有文本数据列的任何数据框时，R语言将文本列视为分类数据并在其上创建因子。这就是为什么，我们读取CSV或者EXCEL时，经常莫名其妙读进来的是因子，完全不知道怎么处理。你可以用str()先查一下数据是什么格式的，比如我的source就是factor因子:

所以怎么办呢？第一个办法，比如读取CSV的时候，在后面加上stringsAsFactors = FALSE，读出来的数据就不会转换成因子格式了:

data2 <- read.csv("文件路径",sep=",",header = FALSE,stringsAsFactors = FALSE)

第二个方法，读进来之后内容也是可以转的，直接用as.character()就可以将数据转成文本:

介绍到这里，一般的使用应该是没问题了。