极客教程R语言 把因子转换成数字和数字转换成因子
因子是一种数据结构，用于对数据进行分类或表示分类数据，并将其存储在多个层面。它们可以被存储为整数，每一个独特的整数都有一个相应的标签。尽管因子看起来类似于字符向量，但它们是整数，在将它们作为字符串使用时必须注意。因子只接受有限数量的独特值。它有助于对数据进行分类并在多个层次上进行存储。
将因子转换为数值
有时，你需要明确地将因子改变为数字或文本。为了实现这一点，必须使用 as.character() 或 as.numeric() 函数 。 将因子转换为数字有两个步骤：
第1步： 将数据向量转换为一个因子。
factor() 命令用于在R中创建和修改因子。
第2步： 使用 as.numeric() 将因子转换为数字向量 。 当因子被转换为数字向量时，将返回与因子水平相对应的数字代码。
例如： 取一个由方向组成的数据向量’V’，其因子将被转换为数字。
# Data Vector 'V'
V = c("North", "South", "East", "East")
# Convert vector 'V' into a factor
drn <- factor(V)
# Converting a factor into a numeric vector
as.numeric(drn)
输出:
[1] 2 3 1 1
转换为数字的因子： 如果因子是数字，首先将其转换为字符向量，然后再转换为数字。如果一个因子是一个字符，那么你不需要把它转换为字符。如果你试图将一个字母字符转换为数字，它将返回NA。
例子： 假设我们正在计算各种品牌的肥皂的成本，其数值为s(29, 28, 210, 28, 29)。
# Creating a Factor
soap_cost <- factor(c(29, 28, 210, 28, 29))
# Converting Factor to numeric
as.numeric(as.character(soap_cost))
输出:
[1] 29 28 210 28 29
# Creating a Factor
soap_cost <- factor(c(29, 28, 210, 28, 29))
# Converting Factor to Numeric
as.numeric(soap_cost)
输出:
[1] 2 1 3 1 2
将数字值转换为因子
为了将数字转换为因子，我们使用 cut() 函数。 cut() 将要转换的数字向量(假设为x)的范围划分为若干个区间，并根据它们所在的区间对其值(x)进行编码。第一级对应于最左边的，第二级对应于下一个最左边的，以此类推。
语法： cut.default(x, breaks, labels = NULL, include.below = FALSE, right = TRUE, dig.lab = 3)
其中
- 当通过’break=’参数给出一个数字时，输出因子是通过将变量范围划分为该数量的等长区间来创建的。
- 在语法中include.lower表示是否应该包括等于最低的（对于right= TRUE）break的值的’x[i]’。语法中的’right’表示区间是否应该在左边打开，在右边关闭，或者反之亦然。
- 如果没有提供标签，则使用dig.lab。通过它来确定用于格式化断裂数的位数。
例1： 让我们假设一个由年龄、工资和性别组成的雇员数据集。为了创建一个与年龄相对应的、具有三个等距水平的因子，我们可以在R中写如下。
# Creating vectors
age <- c(40, 49, 48, 40, 67, 52, 53)
salary <- c(103200, 106200, 150200, 10606, 10390, 14070, 10220)
gender <- c("male", "male", "transgender",
"female", "male", "female", "transgender")
# Creating data frame named employee
employee<- data.frame(age, salary, gender)
# Creating a factor corresponding to age
# with three equally spaced levels
wfact = cut(employee$age, 3)
table(wfact)
输出:
wfact
(40,49] (49,58] (58,67]
4 2 1
例2： 我们现在将贴上标签–年轻、中年和老年。
# Creating vectors
age <- c(40, 49, 48, 40, 67, 52, 53)
salary <- c(103200, 106200, 150200, 10606, 10390, 14070, 10220)
gender <- c("male", "male", "transgender",
"female", "male", "female", "transgender")
# Creating data frame named employee
employee<- data.frame(age, salary, gender)
# Creating a factor corresponding to age with labels
wfact = cut(employee$age, 3, labels=c('Young', 'Medium', 'Aged'))
table(wfact)
输出:
wfact
Young Medium Aged
4 2 1
接下来的例子将使用 ‘norm() ‘来生成指定空间内的多变量正态分布随机变量。rnorm()有三个参数。
- n： 需要生成的随机变量的数量
- mean： 如果没有提到，其值默认为0
- sd： 需要提及标准差值，否则默认为1。
语法:
norm(n, mean, sd)
# Generating a vector with random numbers
y <- rnorm(100)
# the output factor is created by the division
# of the range of variables into pi/3*(-3:3)
# 4 equal-length intervals
table(cut(y, breaks = pi/3*(-3:3)))
输出:
(-3.14,-2.09] (-2.09,-1.05] (-1.05,0] (0,1.05] (1.05,2.09]
1 11 26 48 10
(2.09,3.14]
4
输出因子是通过break参数将变量范围划分为5个等长的区间而产生的。
age <- c(40, 49, 48, 40, 67, 52, 53)
gender <- c("male", "male", "transgender", "female", "male", "female", "transgender")
# Data frame generated from the above vectors
employee<- data.frame(age, gender)
# the output factor is created by the division
# of the range of variables into 5 equal-length intervals
wfact = cut(employee$age, breaks=5)
table(wfact)
输出:
wfact
(40,45.4] (45.4,50.8] (50.8,56.2] (56.2,61.6] (61.6,67]
2 2 2 0 1
y <- rnorm(100)
table(cut(y, breaks = pi/3*(-3:3), dig.lab=5))
输出:
(-3.1416,-2.0944] (-2.0944,-1.0472] (-1.0472,0] (0,1.0472]
5 13 33 28
(1.0472,2.0944] (2.0944,3.1416]
19 2