Werken met factoren en numerieke vectoren in R-modellen en -berekeningen - dummies

Als u werkt met factoren in R met numerieke waarden als niveaus, moet u extra voorzichtig zijn bij het gebruik van deze factoren in modellen en andere berekeningen. U converteert bijvoorbeeld het aantal cilinders in de ingebouwde dataset mtcars naar een factor als deze: >> cyl. factor <- als. factor (mtcars $ cyl)

Als u het mediaannummer van de cilinders wilt weten, komt u mogelijk in de verleiding om het volgende te doen:

>> mediaan (als numeriek (cilinderfactor)) [1] 2

Dit resultaat is vals, omdat het minimumaantal cilinders vier is. R converteert de interne representatie van de factor naar getallen, niet naar de labels. U krijgt dus getallen beginnend van één tot het aantal niveaus in plaats van de oorspronkelijke waarden.

Om de oorspronkelijke numerieke waarden van een factor correct te transformeren, kunt u de factor eerst in teken en vervolgens in numeriek omzetten. Maar op zeer grote gegevens wordt dit sneller gedaan met het volgende construct:

>> als. numeriek (niveaus (cilinderfactor)) [cil. factor]

Met deze code maakt u een korte vector met de niveaus als numerieke waarden en gebruikt u vervolgens de interne integer-weergave van de factor om de juiste waarde te selecteren.

Hoewel R vaak een numerieke vector automatisch naar een factor converteert wanneer dat nodig is, gebeurt dit niet als zowel numerieke vectoren als factoren kunnen worden gebruikt. Als u bijvoorbeeld het aantal kilometers van een auto naar het aantal cilinders wilt modelleren, krijgt u een ander model wanneer u het aantal cilinders als een numerieke vector of als een factor gebruikt.

De interpretatie van beide modellen is compleet anders en veel hangt af van wat u precies wilt doen. Maar daar moet je je bewust van zijn, of misschien interpreteer je het verkeerde model.