【R语言实用技巧】类别变量的顺序自定义设置

作者：宋星云 中国科学院心理研究所硕士，R语言爱好者。已有多年数据分析与R语言的实战经验，毕业后将从事数据分析工作。

个人公众号：星云实验室

类别变量(nominal variable)，又称名义变量、称名变量、分类变量，是一种常用的定性变量，用于表示类别。本身没有等级顺序之分，不可比较大小，不可加减乘除。例如性别、民族、肤色、学号等等。

在R中，通常使用factor类型的变量存储类别变量，有时即便你直接使用了string类型，但是在数据分析中，R依旧会将string变量转化为factor变量进行分析。通常，我们可以直接用factor函数进行变量类型的转化：

item <- factor(item)

但是，factor类型的变量默认是按照字符串的顺序排列的，在数据可视化、回归分析中，排列顺序均会有一定的影响。有时会很麻烦。

举个例子：下表是一次考试中4题的平均分（数据为自编）

现在我们要绘制4题的柱状图，如果直接绘制，那么会是这样的情况：

在横轴上，item会按照字符串顺序排列，而不是按照我们给出的T1,T2,T3,T11的顺序排列。

那么该怎么办呢？

levels函数能够显示factor变量的顺序，labels函数则显示我们看到的那部分内容。我们直接对factor变量的label属性进行设置，就可以达到自定义顺序的效果：

item<-c("T1","T2","T3","T11")

factor(item)

# > [1]  T1 T2 T3 T11

# > Levels: T1 T11 T2 T3

### 可以使用此方案为factor后的变量加自定义的顺序

ordered.item <- factor(1:length(item), labels = item)

ordered.item

# > [1]  T1 T2 T3 T11

# > Levels: T1 T2 T3 T11

有时，在数据框(data.frame)内，排列的顺序也比较复杂，例如下表，我们依旧想要按照 T1 T2 T3 T11 的顺序来画图，此时不能直接按照上述方法操作。

解决方案依旧不复杂：

### 首先写入自定义顺序

ordered.item <- c("T1","T2","T3","T11")

ordered.item <- factor(1:length(ordered.item),labels = ordered.item)

### 然后对数据框df中的item字段进行自定义顺序排列

df$item<-factor(df$item,levels = levels(ordered.item))

levels(df$item)

# > [1] T1 T2 T3 T11

这样，在后续的分析中，df的item字段就会是按照 T1 T2 T3 T11 的顺序来排列了。

往期精彩：

• 【R文本分析】《工作细胞》是一部成功的科普番嘛？

• 【R可视化】你家乡的肯德基都在哪儿？

公众号后台回复关键字即可学习

回复 爬虫             爬虫三大案例实战  
回复 Python        1小时破冰入门

回复 数据挖掘      R语言入门及数据挖掘
回复 人工智能      三个月入门人工智能
回复 数据分析师   数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法

我怎么这么好看