R语言-因子与表格

定义：

• 因子：factor，离散型的表示类别的变量；在table相关的计算中经常被用到
• levels：因子变量的所有非重复的元素取值集合称为levels

特点：

• 
  

函数：

• factor()
• as.factor()
• is.factor()
• tapply(x, f, g)：x为数据（必须为vector类型），f为因子（f的长度必须与x相同，表示数据对应的因子），g为函数
• split()
• by() ：作用类似于tapply，但是应用的数据不限于vector类型

应用：

• 因子创建

1. > x <- c(5,12,13,12)
2. > xf <- factor(x) #使用默认的levels，即所有非重复元素集合
3. > xf
4. [1] 5 12 13 12
5. Levels: 5 12 13
6. > class(xf)
7. [1] "factor"
8. > str(xf)
9.  Factor w/ 3 levels "5","12","13": 1 2 3 2
10. > unclass(xf)
11. [1] 1 2 3 2
12. attr(,"levels")
13. [1] "5" "12" "13"
14. > levels(xf) #返回因子的levels
15. [1] "5" "12" "13"
16. > xff <- factor(x,levels=c(5,12,13,88)) #显示设置levels，可以添加没有对应元素的level
17. > xff
18. [1] 5 12 13 12
19. Levels: 5 12 13 88
20. > x
21. [1] 5 12 13 12
22. > xff <- factor(x,levels=c(5,12,11,88)) #当因子中的元素没有对应level时，该元素会被标识为<NA>，即缺失
23. > xff
24. [1] 5 12 <NA> 12
25. Levels: 5 12 11 88
26. > xff[2] <- 88 #因子的元素可以通过索引值访问
27. > xff
28. [1] 5 88 13 12
29. Levels: 5 12 13 88
30. > xff[5] <- 28 #不能添加不属于levels的元素
31. Warning message:
32. In `[<-.factor`(`*tmp*`, 5, value = 28) :
33.   invalid factor level, NA generated

• 因子上应用函数：

1. > ages <- c(25,26,55,37,21,42)
2. > affils <- c("R","D","D","R","U","D")
3. > tapply(ages,affils,mean) #使用tapply在因子上应用函数
4.  D R U
5. 41 31 21 
6. > d <- data.frame(list(gender=c("M","M","F","M","F","F"), age=c(47,59,21,32,33,24),income=c(55000,88000,32450,76500,123000,45650)))
7. > d$over25 <- ifelse(d$age > 25,1,0)
8. > tapply(d$income,list(d$gender,d$over25),mean) #使用联合因子，可以使用任意多联合因子，相当于类型组合
9.       0 1
10. F 39050 123000.00
11. M NA 73166.67

• 根据因子分类应用复杂函数

1. > by(mtcars, mtcars$gear, function(m) lm(m[,1]~m[,2])) #在数据框上应用复杂函数（多余一个输入参数）
2. mtcars$gear: 3
4. Call:
5. lm(formula = m[, 1] ~ m[, 2])
7. Coefficients:
8. (Intercept) m[, 2]
9.      29.784 -1.832
11. ------------------------------------------------------------
12. mtcars$gear: 4
14. Call:
15. lm(formula = m[, 1] ~ m[, 2])
17. Coefficients:
18. (Intercept) m[, 2]
19.      41.275 -3.588
21. ------------------------------------------------------------
22. mtcars$gear: 5
24. Call:
25. lm(formula = m[, 1] ~ m[, 2])
27. Coefficients:
28. (Intercept) m[, 2]
29.       40.58 -3.20 

• 根据因子切分数据

1. > split(d$income,list(d$gender,d$over25)) #使用联合因子切分数据，与tapply的区别在于不在数据上应用函数
2. $F.0
3. [1] 32450 45650
5. $M.0
6. numeric(0)
8. $F.1
9. [1] 123000
11. $M.1
12. [1] 55000 88000 76500
13. > class(split(d$income,list(d$gender,d$over25))) #split的返回值为列表
14. [1] "list"

• others