R|数据处理|因子型数据

作者简介

Dwzb , R语言中文社区专栏作者，厦门大学统计专业学生。

知乎专栏：https://zhuanlan.zhihu.com/Data-AnalysisR 

因子型数据是R语言中非常重要的一种数据类型，主要用于分组。本文主要分为两个部分：怎样用R语言从技术层面上对因子型数据进行处理；因子型数据的用途。前者我们将分别使用基础函数和forcats包进行讲述，后者只列出我目前想到的几个方面，以后想到其他的会再往里面补充。

本文目录如下

• 基础函数

• forcats包

• factor的使用

  • 分组计算、统计分析与绘图

  • 一个标签汇总问题

  • 将定序变量转化为哑变量

基础函数

针对因子型数据，我们一般需要用到两种变化

• 更改level标签名

• 更改level顺序

我们先使用基础函数实现

(f1 <- factor(c(1,3,5,4,7))) # levels 中只有出现过的
# [1] 1 3 5 4 7
# Levels: 1 3 4 5 7
(f2 <- factor(c(1,3,5,4,7), levels=1:10)) # 指定有哪些levels
# [1] 1 3 5 4 7
# Levels: 1 2 3 4 5 6 7 8 9 10
factor(c(1,3,5,4,7), levels=1:10, labels=letters[1:10]) # 给各个levels命名
# [1] a c e d g
# Levels: a b c d e f g h i j
f2[, drop=T] # 去掉未出现过的levels


# 下面对原有的factor进行变化
# 使用levels函数更改level标签名
levels(f1) # 查看f1的levels有哪些
# [1] "1" "3" "4" "5" "7"
levels(f1)[1] <- "x" # 修改第一个level为x，level和向量内容都跟着改变了
f1
# [1] x 3 5 4 7
# Levels: x 3 4 5 7
levels(f1)[2] <- "x" # 将一二两个level合并成一个x
f1
# [1] x x 5 4 7
# Levels: x 4 5 7
levels(f1)[4] <- "x" # 注意这时改变的是新的f1的第4个，即对应7的level
f1
# [1] x x 5 4 x
# Levels: x 4 5


# 修改levels顺序，经常用于数据框中一列factor的自身变化
(f1 <- factor(c(1,3,5,4,7))) # 默认按照数字大小顺序排列
f1 <- factor(f1, levels=rev(f1)) # 将原来levels颠倒，不改变向量内容
f1
# [1] 1 3 5 4 7
# Levels: 7 4 5 3 1

# 注意下面这种写法
(f1 <- factor(c(1,3,5,4,7))) 
levels(f1) <- rev(levels(f1))
f1
# [1] 7 5 3 4 1
# Levels: 7 5 4 3 1
# 变化的是标签名，没有真正改变顺序

forcats包更方便地处理factor，其实就是使用基础包中的函数，实现一些特定的功能，封装成一个包，让人们需要用的时候可以简单地调用，不用自己再编写函数了。

其中的函数分为如下几类