6、R语言数据结构与数据管理全解析

R语言数据结构与数据管理全解析

1. 因子（Factors）

因子是一种特殊的向量，专门用于表示分类或有序数据。例如，在构建医疗数据集时，可以用因子来表示患者的生物性别，记录“男性”和“女性”两个类别。

使用因子而非字符向量有两个主要优势：
- 节省内存 ：类别标签只需存储一次。例如，计算机可以存储 1, 1, 2 来代替 MALE, MALE, FEMALE，从而减少存储值所需的内存。
- 机器学习算法兼容性 ：许多机器学习算法对名义和数值特征的处理方式不同。将分类特征编码为因子可以让 R 正确处理这些特征。

创建因子的方法是对字符向量应用 factor() 函数。示例代码如下：

gender <- factor(c("MALE", "FEMALE", "MALE"))
gender

输出结果：

[1] MALE   FEMALE MALE
Levels: FEMALE MALE

这里的 Levels 表示因子可能的类别集合。

在创建因子时，还可以添加原始数据中可能未出现的额外级别。例如：

blood <- factor(c("O", "AB", "A"),
                levels = c("A", "B", "AB",