R語言-因子與向量的轉換方式
更新時間：2021年04月17日 10:34:33 作者：hongweigg
這篇文章主要介紹了R語言-因子與向量的轉換方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
一、因子的特點或性質
1、因子可視為C或JAVA語言中的枚舉，適用于有限狀態(tài)的表示。
2、因子不可以賦枚舉集合外的值，如一個因子包含male,female,則不能再賦male和female以為的值，賦其他值會將該元素設置為空值。
二、因子的建立
1、因子的建立
假定有因子gendor，為一組人的性別：
> gendor<-factor(c('m','f','f','m'),labels=c('male','female')）
則通過上式建立一個性別因子。
> gendor [1] female male male female Levels: male female
可以看到有兩個級別（或水平），分別是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，則可使用order參數：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、因子與向量的轉換
1、向量到因子轉換
實際上就是構造因子，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、因子到向量的轉換
（1）使用as.vector()函數，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"
可以看到已經轉換為字符型。
（2）使用as.numeric()函數，因子被轉換為數字，例子：
> q2<-as.numeric(q) > q2 [1] 3 2 3 4 5 > str(q2) num [1:5] 3 2 3 4 5
參考：
因子(factor)和有序因子(ordered factor)
因子用來存儲類別變量(categorical variables)和有序變量，這類變量不能用來計算而只能用來分類或者計數。因子表示分類變量，有序因子表示有序變量。
生成因子數據對象的函數是factor(),語法是factor(data, levels, labels, ...)，其中data是數據，levels是因子水平向量，labels是因子的標簽向量。
1、創(chuàng)建一個因子。
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的內容替換colour相應位置對應levels的內容
col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))
col_vec <- as.vector(col2) #轉換成字符向量
col_num <- as.numeric(col2) #轉換成數字向量
col3 <- factor(colour, levels = c('G', 'R'))
2、創(chuàng)建一個有序因子
例1：
score <- c('A', 'B', 'A', 'C', 'B')
score1 <- ordered(score, levels = c('C', 'B', 'A')); score1
3、用cut()函數將一般的數據轉換成因子或有序因子
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組
exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己設置的組
attr(exam1, 'levels'); attr(exam2, 'levels'); attr(exam2, 'class')
ordered(exam2, labels = c('bad', 'ok', 'average', 'good', 'excellent')) #一個有序因子
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關文章
這篇文章主要介紹了R語言與格式，日期格式，格式轉化的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要介紹了R語言入門之安裝R和Rstuido軟件，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
這篇文章主要介紹了R語言刪除指定變量或對象的操作方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要為大家介紹了R語言實現地理加權回歸（GWR）操作流程示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-10-10
本文介紹了如何使用R語言實現自動文摘，我們首先介紹了基于詞頻-逆文檔頻率（TF-IDF）的自動文摘方法，包括創(chuàng)建詞項文檔矩陣，計算TF-IDF值，提取關鍵詞，以及根據關鍵詞生成摘要，需要的朋友一起學習下吧2023-05-05
這篇文章主要介紹了R語言中for循環(huán)的并行處理方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要給大家介紹了關于R語言如何進行線性回歸的擬合度的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
這篇文章主要為大家介紹了ComplexHeatmap繪制單個熱圖示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-06-06
在本篇文章里小編給大家分享的是一篇關于R語言中其它對象知識點總結內容，有需要的朋友們可以學習下。2021-03-03
這篇文章主要為大家介紹了R語言繪制Bubble Matrix氣泡矩陣圖的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助祝大家多多進步2022-02-02