下载掌阅APP，畅读海量书库
立即打开
在R语言中，因子是处理分类数据的一种数据结构。例如，处理糖尿病患者的类型、性别、学历、职业和省份等。本节将介绍因子的概念及应用，如何创建因子和调整因子水平。
因子用于对数据进行分类，并将其存储为不同级别的数据对象。其命名源于统计学中的名义变量。
在统计学中，变量分为区间变量（连续变量）、有序变量和名义变量（分类变量）。
区间变量（连续变量）：连续的数值变量，如身高、体重等，可以进行求和、求平均值等运算。
名义变量：没有顺序之分的类别变量，如性别、民族、省份、职业等。
有序变量：有次序逻辑关系的变量。例如，排名，第一第二第三，有先后顺序；高血压分级，0=正常，1=正常高值，2=1级高血压，3=2级高血压，4=3级高血压，有高低顺序；体积，大中小，有大小顺序。
其中，名义变量和有序变量在R语言中称为因子（factor），因子表示向量元素的类别，根据数字和字母顺序自动排序，如果是数值型向量，因子会将数据重新编码并存储为水平的序号。因子的取值称为水平（level），水平表示向量中不同值的记录。
在R语言中，因子主要应用在以下几个方面：
计算频数。
独立性检验。
相关性检验。
方差分析。
主成分分析。
因子分析。
在R语言中创建因子主要使用factor()和gl()函数，下面分别进行介绍。
factor()函数可以将变量转换为因子，如果进行排序，则需要设置ordered参数为TRUE。
下面创建两种不同类型的因子，示例代码如下：
运行程序，结果如图4.57所示。
图4.57 创建因子
从运行结果可知：字符型向量和数值型向量都被转换成因子，并且运行结果中还多了一行如“Levels:类别1类别2类别3类别4类别5”，这行在因子中叫作因子水平，表示向量中不同值的记录，根据数字和字母顺序自动排序，对于数值型向量会重新编码并存储为水平序号。
创建因子还可以使用gl()函数，该函数用于通过指定其级别的模式来生成因子。语法格式如下：
gl(x, k, length, labels, ordered)
参数说明如下。
x：表示级别数。
k：表示重复次数。
length：表示结果长度。
labels：表示向量标签，可选参数。
ordered：表示用于对级别进行排序的布尔值。
例如，创建级别为2、重复次数为10和长度为20的因子变量，示例代码如下：
gl(2, 10, 20, labels = c("男","女"))
运行程序，结果如下：
[1] 男 男 男 男 男 男 男 男 男 男 女 女 女 女 女 女 女 女 女 女
Levels: 男 女
从上述举例可以看出，因子水平默认是从小到大排序的。因子水平一般按字母顺序或数字大小排序，或者由factor()函数中的levels参数指定排序顺序。在实际数据分析过程中，有时需要重新排列因子水平并进行差异化分析。
重新调整因子水平主要使用relevel()函数。如在员工满意度调查中调整满意度顺序，示例代码如下：
代码解析
第6行代码：unique()函数用于去重。
运行程序，结果如图4.58所示。
图4.58 调整因子水平