R是什麼水平？

Question

我明白這是一個非常基本的問題，但我不明白是什麼水平R.

供參考的意思是，我做了一個簡單的腳本來讀取CSV表，過濾器的領域之一，在通過這到一個新變量並清除爲第一個變量分配的內存。如果我在過濾的字段上調用unique（），我發現結果確實被過濾了，但是還有一行顯示與原始數據集中的數據相對應的「級別」。

例子：

df = read.csv(path, sep=",", header=TRUE) 
df_intrate = df[df$AssetClass == "ASSET CLASS A", ] 

rm(df) 
gc() 

unique(df_intrate$AssetClass) 

結果：

[1] ASSET CLASS A 
Levels: ASSET CLASS E ASSET CLASS D ASSET CLASS C ASSET CLASS B ASSET CLASS A 

從df的結構信息以某種方式保存在df_intrate儘管表明df_intrate [R工作室是ASSET CLASS A行的確預計是多少？

Answer 1

您在R的數據結構中看到Levels，調用factor。因素是整數類型的：

typeof(as.factor(letters)) 
#[1] "integer" 

然而，它們具有標籤，其中每個整數映射到字符規格（標籤）。您會看到，在算法需要數字（有時以虛擬變量形式）的模型中，因素通常會有幫助，但在模型解釋過程中保留對人類更有意義的標籤。

水平是載體的屬性：

attributes(as.factor(letters)) 
#$levels 
# [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" 
#[18] "r" "s" "t" "u" "v" "w" "x" "y" "z" 

#$class 
#[1] "factor" 

這意味着一旦你的子集列僅ASSET CLASS A列的屬性得到轉移爲好。這與你的矢量長度無關，儘管它仍然是[1]。

Answer 2

R有character類和factor類。 character是您的基本字符串數據結構。 factor對於統計來說很重要：例如，您可能有一個數據集，人們被耳垂的連通性劃分（一個重要但常被忽視的區別）。在這種情況下，對於每個人，他們將具有值connected或free。如果您將模型（例如智能）作爲耳垂連接狀態的函數，那麼您希望該模型瞭解有兩類人：connected或free，因此您將其表示爲factor矢量，並且該載體將具有兩個levels：connected和free。所以這是語義爲什麼水平在R.一件事

在語法上，factor和character變量as.integer不同的反應。 factor變量轉換爲與其級別相對應的數字，而character變量更像傳統的atoi。一般來說，如果您使用factor變量進行操作，您會遇到很多問題，因爲它是character。

當我在閱讀csv文件時，在大多數情況下，我發現我寧願有character的值比factors，所以我通常設置read.csv(..., stringsAsFactor=FALSE)。 （YMMV至於這是否是您的一般偏好。）

Answer 3

儘管R studio顯示df_intrate確實是ASSET CLASS A的預期行數，但df_intrate中是否保留了df的結構信息？

是的。這是變量是如何分類的，被稱爲因素，被存入R - 無論是水平，所有可能的值的向量，並採取了實際值，存儲：

x = factor(c('a', 'b', 'c', 'a', 'b', 'b')) 
x 
# [1] a b c a b b 
# Levels: a b c 

y = x[1] 
# [1] a 
# Levels: a b c 

可以擺脫未使用的水平與droplevels()，或通過重新應用factor功能，創建一個新的因素出來的唯一的東西存在：

droplevels(y) 
# [1] a 
# Levels: a 

factor(y) 
# [1] a 
# Levels: a 

您還可以使用droplevels一個數據幀從所有的因素列刪除所有未使用的水平：

dat = data.frame(x = x) 
str(dat) 
# 'data.frame': 6 obs. of 1 variable: 
# $ x: Factor w/ 3 levels "a","b","c": 1 2 3 1 2 2 

str(dat[1, ]) 
# Factor w/ 3 levels "a","b","c": 1 

str(droplevels(dat[1, ])) 
# Factor w/ 1 level "a": 1 

---

雖然無關，你目前的問題，我們還要提到的是factor有一個可選的參數levels可用於指定一個係數的水平和他們應該去的順序。如果你想要一個特定的順序（可能用於繪圖或建模），或者如果有更多可能的層次比實際存在的層次並且你想包含它們，這可能很有用。如果您未指定levels，則默認將按字母順序排列。

x = c("agree", "disagree", "agree", "neutral", "strongly agree") 
factor(x) 
# [1] agree   disagree  agree   neutral  strongly agree 
# Levels: agree disagree neutral strongly agree 
## not a good order 

factor(x, levels = c("disagree", "neutral", "agree", "strongly agree")) 
# [1] agree   disagree  agree   neutral  strongly agree 
# Levels: disagree neutral agree strongly agree 
## better order 

factor(x, levels = c("strongly disagree", "disagree", "neutral", "agree", "strongly agree")) 
# [1] agree   disagree  agree   neutral  strongly agree 
# Levels: strongly disagree disagree neutral agree strongly agree 
## good order, more levels than are actually present 

您可以使用?reorder和?relevel（或只是factor再次）更改級別的順序對已創建的因素。