R因子和水平

Question

級別有道理，它是向量的唯一值，但我無法理解是什么因素。 似乎只是重復了向量值。

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

誰能解釋應該做的是什么因素，或者我為什么要使用它？

我開始懷疑因素是否像數據庫中的代碼表。 因子名稱是代碼表名稱，級別是代碼表的唯一選項。 ？

Answer 1

因素存儲為哈希表，而不是原始字符向量。 這意味着什么？ 有兩個主要好處。

1. 內存占用空間小得多。 考慮一個文本文件，該文本文件中的短語“ New Jersey”超過ASCII編碼的100,000倍。 現在想象一下，如果您只需要存儲數字16（以100,000次二進制存儲，然后存儲另一個表，該數字表示16表示“新澤西州”。它更精簡，更快。

2. 尤其是對於可視化和統計分析，我們經常測試“所有類別”中的值（請考慮使用方差分析（ANOVA）或對堆積的條形圖進行着色的方式）。 我們可以重復編碼所有函數以將觀察到的選擇堆疊在字符串向量中，也可以簡單地創建一種新型向量來告訴您有效選擇是什么。 那就是一個因素，有效的選擇就是水平。