因子在R語言中可以用來表示名義型變量或有序變量。名義變量一般表示類别，如性别，種族等等。有序變量是有一定排序順序的變量，如職稱，年級等等。在R語言中，名義變量和有序變量可以使用因子來表示。

在R語言中可以使用factor()函數和gl()函數來創建因子變量。

（1）使用factor()函數

factor()函數的語法格式為：

f <- factor(x=charactor(), levels, labels=levels, exclude = NA, ordered = is.ordered(x), namax = NA)

其中：

x 為創建因子的數據，是一個向量；

levels：因子數據的水平，默認是x中不重複的值;

labels：标識某水平的名稱，與水平一一對應，以方便識别，默認取levels的值；

exclude：從x中剔除的水平值，默認為NA值；

ordered：邏輯值，因子水平是否有順序（編碼次序），若有取TRUE，否則取FALSE；

nmax：水平個數的限制。

下面給出幾個具體的例子來說明具體使用方法：

fc1 <- factor(c(1, 2, 3, 3, 1, 2, 2, 3, 1, 3, 2, 1))

fc2 <- factor(rep(1:3, times = 2), labels = c("A", "B", "C"))

grade <- c("Freshman", "Sophomore", "Junior", "Senior")

fc3 <- factor(grade, ordered = TRUE) #對于字符型向量，因子的水平默認依字母順序創建

fc4 <- factor(grade, ordered = TRUE, levels = c("Freshman", "Sophomore", "Junior", "Senior")) #指定levels，則按levels中的順序定義數值

本部分執行情況如下圖所示：

使用factor函數創建因子

（2）使用gl()函數

gl()函數用于定義有規律的因子向量，其語法格式如下：

gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)

其中參數的含義如下：

n: 正整數，表示因子的水平個數

k:正整數，表示每個水平重複的次數；

length: 正整數，表示因子向量的長度，默認為n*k

labels: 表示因子水平的名稱，默認值為1：n

ordered： 邏輯變量，表示因子水平是否是有次序的，默認值為FALSE

g1 <- gl(3, 3) # 1 1 1 2 2 2 3 3 3

g2 <- gl(3, 3, 5) # 1 1 1 2 2

g3 <- gl(3, 2, labels = c('A', 'B', 'C')) # A A B B C C

本部分的結果情形如下圖所示：

使用gl函數創建因子

fc1[1] #訪問輸出第一個水平

fc1[1:3] #訪問輸出1~3個水平

fc1[c(1, 4, 7)] #訪問輸出第1,4,7個水平值

fc1[-1] #排除第一個

fc1[-c(1:4)] #排除第1~4個

fc1[fc1 != 1] #過濾掉等于1的因子水平

fc3[fc3 > 'Junior'] #對于有序因子可以使用>,>=,<,<=,!=,==；而非有序因子，隻可以使用!=和==

注意：因為因子一般表示名義變量或有序變量，如非有序因子，則使用>,>=,<,<=比較大小是沒有意義的。

本部分執行情況如下圖所示：

因子索引

fc1[1] <- 3 #注意，修改的值必須在原有的水平中

fc1[1:3] <- 2 #将1~3個水平值改為2

fc1[-1] <- 3 #将除第1個水平之外的其它水平值修改為3

fc1[-c(1,4,7)] <-1 #将除第1,4,7個水平之外的值修改為1

執行情況如下：

因子的修改

歡迎關注本号，本号近期持續更新R語言的内容。從簡入深，從基本語法到實際的數據分析應用。