列是字符而不是因素有什么好的理由吗？

Question

这个想法似乎是一个愚蠢的问题,但在与R合作几个月之后,我意识到我经常发现自己将字符串转换为因子,例如,该tabulate函数对字符串不起作用.

在这一点上,我正在考虑简单地总是将任何字符串转换为一个因子.但这引出了一个问题,是否有任何理由不(除了对字符串本身进行操作)？

Answer 1

因素有双重表现 - '标签'; 和级别的底层编码.R使用这些表示中的哪一个可能是微妙和混乱的.

这可能令人困惑的一个例子是子集化.这是一个命名向量,一个字符向量,以及一个默认(按字母顺序排列)级别的因子

x = c(foo = 1, bar = 2)
y = c("bar", "foo")
z = factor(y)        # default levels are "bar", "foo", i.e., alphabetical

子集x由y匹配字符的值来命名,但是子集x通过z使用底层级编码.

> x[y]
bar foo 
  2   1 
> x[z]
foo bar 
  1   2 

这可能会更加混乱,因为R可以在不同的语言环境中工作(例如,我使用的是en_US语言环境 - 美国英语),不同语言环境的排序(排序)顺序可能不同 - 默认级别在不同的语言环境中可能不同.