R语言因子的使用

类别变量和有序类别变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。

> #以向量形式输入数据
> patinentID <- c(1,2,3,4)

> age <- c(25,34,28,52)

> diabetes <- c("Type1","Type2","Type1","Type1")

> status <- c("Poor","Improved","Excellent","Poor")

> #将diabetes和status分别指定为一个普通因子和一个有序因子
> diabetes <- factor(diabetes)

> status <- factor(status,ordered = TRUE)

> #将数据合并成数据框
> patientdata <- data.frame(patinentID,age,diabetes,status)

> #str()可以提供某个对象的信息
> str(patientdata)
'data.frame':	4 obs. of  4 variables:
 $ patinentID: num  1 2 3 4
 $ age       : num  25 34 28 52
 $ diabetes  : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
 $ status    : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3

> summary(patientdata)
   patinentID        age         diabetes       status 
 Min.   :1.00   Min.   :25.00   Type1:3   Excellent:1  
 1st Qu.:1.75   1st Qu.:27.25   Type2:1   Improved :1  
 Median :2.50   Median :31.00             Poor     :2  
 Mean   :2.50   Mean   :34.75                          
 3rd Qu.:3.25   3rd Qu.:38.50                          
 Max.   :4.00   Max.   :52.00    

结果显示diabetes是一个因子，status是一个有序型因子，以及数据内部是如何编码的。

summary()会区别对待各个变量，显示了连续型变量age的最小值、最大值、均值和四分位数，并显示类别型变量diabetes和status的频数值。