因子处理

主要应用：对于水平值的修改，整理

library(forcats)

library(tibble)

library(dplyr)

library(magrittr)

library(ggplot2)

x1 <- c("Jan","Apr","Mar","Dec")

x2 <- c("Dec","Apr","Jam","Mar")

sort(x2)

#可以看到上述对于分类变量的排序没有实际意义，同时，出现错误不会报错Jam

#因子可以解决:有效水平

#创建因子

y1 <- factor(x1) #x1即为有效水平，可以通过factor参数levels设置水平。

month_levels <- c("Jan","Feb","Mar","Jun","Jul","Aug","Sep","Oct","Nov","Dec")

y2 <- factor(x1,levels = month_levels)

y3 <- factor(x2,levels = month_levels) #不在水平中的将变成NA

#可以看到两者排序的区别，如果事先规定因子水平，则排序会有意义

sort(y1)#排序发现变化，与原来X1的排序不一样，可以通过unique参数

f1 <- factor(x1,levels = unique(x1))

sort(y2)

#以数据集gss_cat,来展示因子函数的一些操作

data <- as_tibble(gss_cat)#data.frame转化为tibble

#查看因子水平

data%>%count(race) #管道函数一般用于聚合函数

ggplot(data = data,aes(x=race,fill=race))+geom_bar()

ggplot(data = data,aes(x=r