因子水平和因子标签之间的混淆

Question

R中因子的级别和标签之间似乎存在差异.到目前为止,我一直认为级别是因子级别的"真实"名称,标签是用于输出的名称(例如表格和图表) .显然,情况并非如此,如下例所示:

df <- data.frame(v=c(1,2,3),f=c('a','b','c'))
str(df)
'data.frame':   3 obs. of  2 variables:
 $ v: num  1 2 3
 $ f: Factor w/ 3 levels "a","b","c": 1 2 3

df$f <- factor(df$f, levels=c('a','b','c'),
  labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))
levels(df$f)
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

我认为在脚本编写时仍可以以某种方式访问​​级别('a','b','c'),但这不起作用:

> df$f=='a'
[1] FALSE FALSE FALSE

但这样做:

> df$f=='Treatment A: XYZ' 
[1]  TRUE FALSE FALSE

所以,我的问题包括两部分:

• 关卡和标签有什么区别？

• 脚本和输出的因子级别是否可以有不同的名称？

背景:对于较长的脚本,使用较短因子级别的脚本似乎要容易得多.但是,对于报告和图表,这个较短的因子水平可能不够,应该用精简者名称替换.

Answer 1

很短:级别是输入,标签是factor()函数的输出.因子只有一个level属性,由labels函数中的参数设置factor().这与SPSS等统计软件包中的标签概念不同,并且在开始时可能会令人困惑.

你在这行代码中做了什么

df$f <- factor(df$f, levels=c('a','b','c'),
  labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))

告诉R有一个向量 df$f

• 你想要转化为一个因素,
• 其中不同的级别被编码为a,b和c
• 并且您希望将水平标记为治疗A等.

因子函数将查找值a,b和c,将它们转换为数字因子类,并将标签值添加到level因子的属性.此属性用于将内部数值转换为正确的标签.但是如你所见,没有label属性.

> df <- data.frame(v=c(1,2,3),f=c('a','b','c'))    
> attributes(df$f)
$levels
[1] "a" "b" "c"

$class
[1] "factor"

> df$f <- factor(df$f, levels=c('a','b','c'),
+   labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))    
> attributes(df$f)
$levels
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

$class
[1] "factor"

Answer 2

我写了一个包"lfactors",允许你引用任何级别或标签.

# packages
install.packages("lfactors")
require(lfactors)

flips <- lfactor(c(0,1,1,0,0,1), levels=0:1, labels=c("Tails", "Heads"))
# Tails can now be referred to as, "Tails" or 0
# These two lines return the same result
flips == "Tails"
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE
flips == 0 
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE

请注意,lfactor要求级别为数字,以便它们不会与标签混淆.