transformar - Confusión entre niveles de factores y etiquetas de factores

recodificar variables en r

Question

Parece que hay una diferencia entre los niveles y las etiquetas de un factor en R. Hasta ahora, siempre pensé que los niveles eran el nombre "real" de los niveles de los factores, y las etiquetas eran los nombres utilizados para la salida (como tablas y gráficos) . Obviamente, este no es el caso, como muestra el siguiente ejemplo:

df <- data.frame(v=c(1,2,3),f=c(''a'',''b'',''c''))
str(df)
''data.frame'':   3 obs. of  2 variables:
 $ v: num  1 2 3
 $ f: Factor w/ 3 levels "a","b","c": 1 2 3

df$f <- factor(df$f, levels=c(''a'',''b'',''c''),
  labels=c(''Treatment A: XYZ'',''Treatment B: YZX'',''Treatment C: ZYX''))
levels(df$f)
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

Pensé que los niveles (''a'', ''b'', ''c'') podrían ser accedidos de alguna manera al hacer scripts, pero esto no funciona:

> df$f==''a''
[1] FALSE FALSE FALSE

Pero esto hace:

> df$f==''Treatment A: XYZ'' 
[1]  TRUE FALSE FALSE

Entonces, mi pregunta consiste de dos partes:

• ¿Cuál es la diferencia entre niveles y etiquetas?

• ¿Es posible tener diferentes nombres para niveles de factor para scripting y output?

Antecedentes: para secuencias de comandos más largas, la creación de scripts con niveles de factor cortos parece ser mucho más fácil. Sin embargo, para informes y parcelas, estos niveles de factores cortos pueden no ser adecuados y deben reemplazarse con nombres precisos.

Answer 1

Escribí un paquete "lfactors" que le permite consultar niveles o etiquetas.

# packages
install.packages("lfactors")
require(lfactors)

flips <- lfactor(c(0,1,1,0,0,1), levels=0:1, labels=c("Tails", "Heads"))
# Tails can now be referred to as, "Tails" or 0
# These two lines return the same result
flips == "Tails"
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE
flips == 0 
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE

Tenga en cuenta que un lfactor requiere que los niveles sean numéricos para que no puedan confundirse con las etiquetas.

Answer 2

Muy corto: los niveles son la entrada, las etiquetas son la salida en la función factor() . Un factor tiene solo un atributo de level , que se establece mediante el argumento labels en la función factor() . Esto es diferente del concepto de etiquetas en paquetes estadísticos como SPSS, y puede ser confuso al principio.

Qué haces en esta línea de código

df$f <- factor(df$f, levels=c(''a'',''b'',''c''),
  labels=c(''Treatment A: XYZ'',''Treatment B: YZX'',''Treatment C: ZYX''))

le está diciendo a R que hay un vector df$f

• que quieres transformar en un factor,
• en el cual los diferentes niveles están codificados como a, b y c
• y para los que desea que los niveles se etiqueten como Tratamiento A, etc.

La función de factor buscará los valores a, byc, los convertirá en clases de factores numéricos y agregará los valores de etiqueta al atributo de level del factor. Este atributo se usa para convertir los valores numéricos internos a las etiquetas correctas. Pero como ve, no hay ningún atributo de label .

> df <- data.frame(v=c(1,2,3),f=c(''a'',''b'',''c''))    
> attributes(df$f)
$levels
[1] "a" "b" "c"

$class
[1] "factor"

> df$f <- factor(df$f, levels=c(''a'',''b'',''c''),
+   labels=c(''Treatment A: XYZ'',''Treatment B: YZX'',''Treatment C: ZYX''))    
> attributes(df$f)
$levels
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

$class
[1] "factor"