因子：factor处理分类数据，有序或无序

证书向量+标签

X<-factor(c())

levels=极限水平

因子是用来处理分类数据的

有序 例子：年龄低中高

无序  例子：性别男女

因子优于整数向量，因为可以对整数向量进行描述，如你会知道1或者2代表男性还是女性

factor函数：用c将所有人的性别连在一起；输出后得到x的内容；level可以查看因子包含的水平

在factor里面插入第二个函数 levels：levels的第一个参数的就是基线水平

对x有一个基本的了解，使用table函数，可查看不同水平内容的个数：

可以用unclass函数去掉levels：

内容是：

attr显示曾经的level和其内容

用class函数查看unclass之后x变成了什么类别的数据

2-5  factor

因子（factor）:分类数据（有序/无序）

                        可以理解为整数型向量+标签（label）(优于整数向量)

Male/Female vs.1/2

常用于lm(),glm()

创建因子：

x<-factor(c("female","female","male","male","female"))

y<-factor(c("female","female","male","male","female"),levels=c("male","female"))(levels是因子的属性，谁在前谁是基线水平)

table(x)对当前因子有整体性的了解

unclass(x)去掉因子的属性

class(unclass(x))查看unclass(x)的属性

1. 因子

    分类数据/有序 vs.无序

    整数向量+标签（label）（优于整数向量）

    常用于lm(),glm()

    创建因子

    factor()

    table()/unclass()

描述factor可以用table函数，如

x<-factor("female","female","male","male","male")

table(x)

x female  male

     2           3

levels用在factor内描述其水平 如levels=c（"male","female"）

因子（factor）—分类数据/有序 vs. 无序

                       —整数向量 + 标签（label）优于整数向量

x <- factor(c("female","female","male")，levels(“male”,"female"))                                 #可以构建因子，并且可以通过levels设立基线因子t

table(x)  #得出x因子的分布表

unclass(x) #将x因子转化为值标签

111111

11111

factor可以看成整数向量加上lable，当对factor进行unclass操作后，去掉了levels之后，class（unclass（x））是“integer”

table（）函数对因子进行了解

unclass（）函数可以去掉因子的水平来看因子的内容，同时还会告诉你曾经的属性是什么

因子factor用于处理分类数据（数据分为有序的和无序的）

因子优于整数向量，因为因子（整数向量+标签lable）可以对整数进行描述

factor（）进行创建，levels水平  可以在创建factor时加入levels参数来修改基线水平

因子是用来处理分类数据（有序、无序两种）的，有序指的是可以比大小的，无序则相反，如性别即是无序的。

因子=整数向量+标签（可对整数向量进行描述），常用于线性模型lm()和一般线性模型glm()

创建因子用factor()，可通过levels（相当于标签）设定谁是基线水平（第一个元素），levels是因子的一个属性

对当前因子进行整体性了解用table()，去掉属性看因子的内容用unclass()

因子可以看做整形加上levels属性；

用factor()函数来创建因子，注意levels；

用table()函数来考察因子的情况；

用unclass()函数去除因子的levels属性；

数据结构-因子

1、创建因子：x<-factor(c("male","female","femal","male"),levels = c("male","femal"))

2、level查看因子的基础值，在统计分析的时候用处较大。

3、unclass(x)，去除分类

4、table(x)：查看元素的频数

factor 统计中的四种不同分类

有序/无序

level表示标签，设定level之后可以设定标签的顺序，在前的为基线。

table可以统计数量。

unclass，class(unclass(x))

通过levels 来设定因子中的基线水平

因子可以理解为整数向量加标签 ，   例如男性用1 表示，女性用2表示。

因子是用来处理分类数据的， 分类数据分为：

有序数据和无序数据

R数据结构

5.因子（factor）：整数向量+标签（label），用于处理分类数据（有序和无序）

创建因子：x <- factor(c("female", "female", "male", "male", "female"))

                 y <- factor(c("female", "female", "male", "male", "female"), levels = c("male", "female")) #通过参数2设置基线水平

table(factor)：查看因子数据各类型数量

unclass(facotr)：去掉因子数据的水平（level）

> x<-factor(c("female","female","male","male","female"))

> x

[1] female female male   male   female

Levels: female male

> y<-factor(c("female","female","male","male","female"),levels = c("male","female"))

> y

[1] female female male   male   female

Levels: male female

> table(x)

x

female   male 

     3      2 

> unclass(x)

[1] 1 1 2 2 1

attr(,"levels")

[1] "female" "male"  

#因子

创建因子

x<-factor(c("female","female","male","male","female"))#创建一个因子
x<-factor(c("female","female","male","male","female")，levels=c("male","female"))#可使用levels来设定基线水平
table(x)#查看因子
unclass(x)#去掉因子的属性
class()#

分类数据分为: 有序和无序

有序分类数据：年级分为低 中 高，可以比较大小

无序分类数据：性别，不能比较大小

factor因子：整数型向量+标签，例如：

把性别存成1/2, 1代表男性，2代表女性

factor优于整数向量，存成因子，可以对1,和2进行描述，经常用于线性模型

x<-factor(c("female","female","female","male","female"))

输出：levels：female male

x<-factor(c("female","female","female","male","female"), levels=c("male","female"))

输出：levels：male female

#可以通过levels设定，你的因子中谁是基线水平，非常重要

对你当前的因子有一个整体性的描述 ，可以用table()函数

table（x）

输出：female male

          3           2

levels是因子的一个属性，可以去掉因子的属性，来看因子的内容，用unclass()函数，输出：11221

class（unclass（x）） #变成一个integer的向量

levels:代表标签

2.5 factor(因子)

 --分类数据/有序（e.g. 低中高） vs 无序（e.g. 男女）

 --整数向量+标签（label） 

male/female vs 1/2

创建因子 

x<-factor(c("female","female","male","male","female")) 

y<-factor(c("female","female","male","male","female"),levels =c("male","female"))  levels代表基线水平，谁在前，谁就是那个基线水平。统计分析中基线水平很重要。

table(x) 了解整体

unclass(x) 去掉属性看内容

因为可以把因子当成整型变量加上一个属性

class(unclass(x)) 

整型

因子factor：可以理解为整数向量+标签（label）（优于整数向量，每个数字有自己具体的含义）。

2.5 factor(因子)

 --分类数据/有序 vs 无序

 --整数向量+标签（label） 

创建因子 

x<-factor(c("female","female","male","male","female")) 

y<-factor(c("female","female","male","male","female"),levels =c("male","female"))  levels代表基线水品

table(x) 

unclass(x) 去掉属性看内容

class(unclass(x)) 整型

因子factor：可以理解为整数向量+标签（label）（优于整数向量，每个数字有自己具体的含义）。

因子的levels就是把哪个变量放在前面

高中低就是有序的