【R语言实用技巧】类别变量的顺序自定义设置

浏览: 424

作者:宋星云 中国科学院心理研究所硕士,R语言爱好者。已有多年数据分析与R语言的实战经验,毕业后将从事数据分析工作。

个人公众号:星云实验室


类别变量(nominal variable),又称名义变量、称名变量、分类变量,是一种常用的定性变量,用于表示类别。本身没有等级顺序之分,不可比较大小,不可加减乘除。例如性别、民族、肤色、学号等等。

在R中,通常使用factor类型的变量存储类别变量,有时即便你直接使用了string类型,但是在数据分析中,R依旧会将string变量转化为factor变量进行分析。通常,我们可以直接用factor函数进行变量类型的转化:

item <- factor(item)

但是,factor类型的变量默认是按照字符串的顺序排列的,在数据可视化、回归分析中,排列顺序均会有一定的影响。有时会很麻烦。

举个例子:下表是一次考试中4题的平均分(数据为自编)

现在我们要绘制4题的柱状图,如果直接绘制,那么会是这样的情况:

在横轴上,item会按照字符串顺序排列,而不是按照我们给出的T1,T2,T3,T11的顺序排列。

那么该怎么办呢?

levels函数能够显示factor变量的顺序,labels函数则显示我们看到的那部分内容。我们直接对factor变量的label属性进行设置,就可以达到自定义顺序的效果:

item<-c("T1","T2","T3","T11")

factor(item)

# > [1]  T1 T2 T3 T11

# > Levels: T1 T11 T2 T3


### 可以使用此方案为factor后的变量加自定义的顺序


ordered.item <- factor(1:length(item), labels = item)


ordered.item

# > [1]  T1 T2 T3 T11

# > Levels: T1 T2 T3 T11

有时,在数据框(data.frame)内,排列的顺序也比较复杂,例如下表,我们依旧想要按照 T1 T2 T3 T11 的顺序来画图,此时不能直接按照上述方法操作。

解决方案依旧不复杂:

### 首先写入自定义顺序

ordered.item <- c("T1","T2","T3","T11")

ordered.item <- factor(1:length(ordered.item),labels = ordered.item)


### 然后对数据框df中的item字段进行自定义顺序排列

df$item<-factor(df$item,levels = levels(ordered.item))

levels(df$item)
# > [1] T1 T2 T3 T11

这样,在后续的分析中,df的item字段就会是按照 T1 T2 T3 T11 的顺序来排列了。

往期精彩:


公众号后台回复关键字即可学习

回复 爬虫             爬虫三大案例实战  
回复 Python        1小时破冰入门

回复 数据挖掘      R语言入门及数据挖掘
回复 人工智能      三个月入门人工智能
回复 数据分析师   数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法

推荐 0
本文由 R语言中文社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册