R因子和水平

Question

级别有道理，它是向量的唯一值，但我无法理解是什么因素。 似乎只是重复了向量值。

factor(c(1,2,3,3,4,5,1))
[1] 1 2 3 3 4 5 1
Levels: 1 2 3 4 5

谁能解释应该做的是什么因素，或者我为什么要使用它？

我开始怀疑因素是否像数据库中的代码表。 因子名称是代码表名称，级别是代码表的唯一选项。 ？

Answer 1

因素存储为哈希表，而不是原始字符向量。 这意味着什么？ 有两个主要好处。

1. 内存占用空间小得多。 考虑一个文本文件，该文本文件中的短语“ New Jersey”超过ASCII编码的100,000倍。 现在想象一下，如果您只需要存储数字16（以100,000次二进制存储，然后存储另一个表，该数字表示16表示“新泽西州”。它更精简，更快。

2. 尤其是对于可视化和统计分析，我们经常测试“所有类别”中的值（请考虑使用方差分析（ANOVA）或对堆积的条形图进行着色的方式）。 我们可以重复编码所有函数以将观察到的选择堆叠在字符串向量中，也可以简单地创建一种新型向量来告诉您有效选择是什么。 那就是一个因素，有效的选择就是水平。