分类变量中的数学运算符

Question

在我的数据框中，我有一个具有以下类别的变量：A1, A2, A3, 。。。B1, B2, B3, . 。。Z1, Z2, Z3.

虽然变量不是数字，但我们可以根据字母和数字定义它们之间的逻辑顺序（上面描述的类别的顺序）。

---

我的问题是：

我们可以对这种类型的变量使用<,=和运算符吗？>

例如，如果我想选择值介于var1和 之间的A1行G3。我们可以使用类似的东西df[df$var1>="A1" & df$var1<="G3",]吗？

我在 STATA 中看到了类似的代码，我想知道是否可以在 R 中做类似的事情。提前致谢。

Answer 1

是的，您可以使用有序因子。来自文档：

如果参数ordered为TRUE，则假定因子水平是有序的。

fct_levels = c("Python", "Julia", "R")

df  <- data.frame(
    var1 = factor("R", levels = fct_levels, ordered = TRUE),
    var2 = factor("Python", levels = fct_levels, ordered = TRUE)
)

df
#   var1   var2
# 1    R Python

df$var1
# Levels: Python < Julia < R

with(df, var1 > var2) # TRUE
with(df, var2 > var1) # FALSE

请注意，您可以在ordered = TRUE不设置levels参数的情况下进行设置，在这种情况下您将获得字母顺序。

factor(c("Python", "Julia", "R"), ordered = TRUE)
# [1] Python Julia  R     
# Levels: Julia < Python < R

值得庆幸的是，R 不会让你将其与df$var1.

关于建模的注意事项

请注意文档中的警告：

有序因子与因子仅在类别上有所不同，但方法和模型拟合函数对这两个类别的处理方式截然不同。

具体来说，这与是否使用正交多项式或治疗对比有关。您可以在 R 中有序因子变量和无序因子变量之间的差异中阅读更多相关信息。