因子（factor)是R語言中比較特殊的一個數據類型， 它是一個用於存儲類別的類型，舉個例子，從性別上，可以把人分為：男人和女人，從年齡上划分，又可以把人分為：未成年人（<18歲），成年人（>=18）。R把表示分類的數據稱為因子，因子的行為有時像字符串，有時像整數。因子是一個向量，通常情況下，每個元素都是字符類型，也有其他數據類型的元素。因子具有因子水平（Levels），用於限制因子的元素的取值范圍，R強制：因子水平是字符類型，因子的元素只能從因子水平中取值，這意味着，因子的每個元素要么是因子水平中的字符（或轉換為其他數據類型），要么是缺失值，這是因子的約束，是語法上的規則。
一，創建因子
通常情況下，在創建數據框變量時，R隱式把數據類型為字符的列創建為因子，這是因為R會把文本類型默認為類別數據，並自動轉換為因子。
例如，創建一個數據框變量，通過class()函數檢查gender列的類，結果是因子類型，而不是字符向量：
heights <- data.frame( height_cm=c(156,182,170), gender=c('f','m','f') ) > class(heights$gender) [1] "factor"
還可以通過factor()函數創建因子，factor()函數的第一個參數必須是字符向量，通過levels參數顯式設置因子水平，
factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x), nmax = NA)
參數注釋：
- x：是向量，通常是由少量唯一值的字符向量
- levels：水平，字符類型，用於設置x可能包含的唯一值，默認值是x的所有唯一值。如果x不是字符向量，那么使用as.character(x)把x轉換為字符向量，然后獲取x向量的水平。x向量的取值跟levels有關。
- labels：是水平的標簽，字符類型，用於對水平添加標簽，相當於對因子水平重命名；
- exclude：排除的字符
- ordered：邏輯值，用於指定水平是否有序；
- nmax：水平的上限數量
例如，因子sex的值是向量c('f','m','f','f','m')，因子水平是c('f','m')：
> sex <- factor(c('f','m','f','f','m'),levels=c('f','m')) > sex [1] f m f f m Levels: f m
二，因子水平
因子水平規定了因子取值的范圍，每一個因子，都包含因子水平的信息，例如，打印gender列，可以看到因子的元素和水平：
> heights$gender [1] f m f Levels: f m
該因子中的每個值都是一個字符串，它們被限制為“f”、“m”和缺失值（NA）。如果把其他字符串添加到gender列中，R會拋出警告消息，並把錯誤賦值的元素設置為NA，例如：
> heights$gender[1]<-"female" Warning message: In `[<-.factor`(`*tmp*`, 1, value = c(NA, 2L, 1L)) : invalid factor level, NA generated
1，查看因子水平
因子水平，可以通過函數levels(factor)來查看：
> levels(heights$gender) [1] "f" "m"
水平的級數，相當於level的長度，可以由nlevels函數查詢到：
> nlevels(heights$gender) [1] 2
2，因子水平的標簽
使用factor函數創建因子，可以使用labels參數為每個因子水平添加標簽，labels參數的字符順序，要和levels參數的字符順序保持一致，例如：
> sex=factor(c('f','m','f','f','m'),levels=c('f','m'),labels=c('female','male'),ordered=TRUE) > sex [1] female male female female male Levels: female < male
三，有序因子
通常情況下，因子一般是無序的，這可以通過is.ordered()函數來驗證：
> is.ordered(sex) [1] FALSE
因子的順序，實際上是指因子水平的順序，有序因子的因子水平是有序的。在特殊情況下，有些因子的水平在語義上大於或小於其他水平，R支持按順序排列的因子，使用ordered函數，或通過給factor函數傳入order=TRUE參數，把無序因子轉換為有序的因子。
1，通過ordered()函數把現有因子轉換為有序因子
ordered()函數不能指定特定因子水平的順序，通常情況下，因子中先出現的水平小於后出現的水平。
例如，通過ordered函數把sex因子轉換為有序的因子：
> ordered(sex) [1] f m f f m Levels: f < m
2，創建有序的因子
通過factor函數創建有序因子，通過levels指定因子的順序。
> sex <- factor(c('f','m','f','f','m'),levels=c('f','m'),ordered=TRUE) > sex [1] f m f f m Levels: f < m
3，按照指定的順序轉換現有的因子
因子的順序，其實是因子水平的順序，我們可以通過levels，使現有的因子按照指定的因子水平來排序。
例如，把heights數據庫框的gender，按照指定的levels，轉換成有序因子：
heights$gender <- factor(heights$gender, levels=c('m','f'),ordered=TRUE)
四，刪除因子水平
在數據清理時，可能需要去掉與因子水平對應的數據，通常情況下，需要刪除未使用的因子水平，可以使用droplevels函數，它接受因子或是數據框作為參數。
## S3 method for class 'factor' droplevels(x, exclude = if(anyNA(levels(x))) NULL else NA, ...) ## S3 method for class 'data.frame' droplevels(x, except, exclude, ...)
如果x是數據框，那么把數據框中未使用的因子刪除。
heights$gender <- droplevels(gender)
五，把因子水平轉換為字符串
在數據清理中，有時需要把因子轉換為字符，通常情況下，使用as.character()函數，把因子轉換為字符串：
> as.character(heights$gender) [1] NA "m" "f"
或者使用其他類型轉換函數，把因子轉換為特定的數據類型。
六，把因子轉換成相應的整數
使用as.numeric()或as.integer()函數可以把因子轉換成對應的整數
> as.integer(sex) [1] 1 2 1 1 2
七，把連續變量分割為類別
函數cut()能夠把數值變量切成不同的塊，然后返回一個因子
cut(x, breaks, labels = NULL)
參數注釋：
- x：數值變量
- breaks：切割點向量
- labels：每一個分組的標簽
例如，把身高數據，按照指定的切割點向量分割：
cut(heights$height_cm,c(150,170,190)) [1] (150,170] (170,190] (150,170] Levels: (150,170] (170,190]
八，修改數據框中的因子
一般情況下，數據框中的字符類型的列會轉換為因子類型，要修改因子類型，一般通過三步來完成：
mydata$Category <- as.character(mydata$Category) mydata <- within(mydata,{Category[Category=="old name"] <- "new name"}) mydata$Category <- as.factor(mydata$Category)
當需要把因子轉換為有序因子時，要注意因子水平的順序，
mydata$Category <- as.factor(mydata$Category, levels=c('your ordered'), ordered=TRUE)
參考文檔：