R是什么水平？

Question

我明白这是一个非常基本的问题，但我不明白是什么水平R.

供参考的意思是，我做了一个简单的脚本来读取CSV表，过滤器的领域之一，在通过这到一个新变量并清除为第一个变量分配的内存。如果我在过滤的字段上调用unique（），我发现结果确实被过滤了，但是还有一行显示与原始数据集中的数据相对应的“级别”。

例子：

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

rm(df) 
gc() 

unique(df_intrate$AssetClass) 

结果：

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

从df的结构信息以某种方式保存在df_intrate尽管表明df_intrate [R工作室是ASSET CLASS A行的确预计是多少？

Answer 1

您在R的数据结构中看到Levels，调用factor。因素是整数类型的：

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

然而，它们具有标签，其中每个整数映射到字符规格（标签）。您会看到，在算法需要数字（有时以虚拟变量形式）的模型中，因素通常会有帮助，但在模型解释过程中保留对人类更有意义的标签。

水平是载体的属性：

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" 

这意味着一旦你的子集列仅ASSET CLASS A列的属性得到转移为好。这与你的矢量长度无关，尽管它仍然是[1]。

Answer 2

R有character类和factor类。 character是您的基本字符串数据结构。 factor对于统计来说很重要：例如，您可能有一个数据集，人们被耳垂的连通性划分（一个重要但常被忽视的区别）。在这种情况下，对于每个人，他们将具有值connected或free。如果您将模型（例如智能）作为耳垂连接状态的函数，那么您希望该模型了解有两类人：connected或free，因此您将其表示为factor矢量，并且该载体将具有两个levels：connected和free。所以这是语义为什么水平在R.一件事

在语法上，factor和character变量as.integer不同的反应。 factor变量转换为与其级别相对应的数字，而character变量更像传统的atoi。一般来说，如果您使用factor变量进行操作，您会遇到很多问题，因为它是character。

当我在阅读csv文件时，在大多数情况下，我发现我宁愿有character的值比factors，所以我通常设置read.csv(..., stringsAsFactor=FALSE)。 （YMMV至于这是否是您的一般偏好。）

Answer 3

尽管R studio显示df_intrate确实是ASSET CLASS A的预期行数，但df_intrate中是否保留了df的结构信息？

是的。这是变量是如何分类的，被称为因素，被存入R - 无论是水平，所有可能的值的向量，并采取了实际值，存储：

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 

可以摆脱未使用的水平与droplevels()，或通过重新应用factor功能，创建一个新的因素出来的唯一的东西存在：

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

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

您还可以使用droplevels一个数据帧从所有的因素列删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 

---

虽然无关，你目前的问题，我们还要提到的是factor有一个可选的参数levels可用于指定一个系数的水平和他们应该去的顺序。如果你想要一个特定的顺序（可能用于绘图或建模），或者如果有更多可能的层次比实际存在的层次并且你想包含它们，这可能很有用。如果您未指定levels，则默认将按字母顺序排列。

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）更改级别的顺序对已创建的因素。