如何将一列确定为数据框中的类因素？

Question

在创建其内容包含重复值的列时，我注意到以下有关因素。

1.如果在创建数据框时将具有重复字符值的列作为数据框的一部分，则属于类因素，但如果稍后附加相同的列，则尽管值是类字符在这两种情况下都是一样的。这是为什么呢？

#creating a data frame
name = c('waugh','waugh','smith')
age = c(21,21,27)
df = data.frame(name,age)

#adding a new column which has the same values as the 'name' column above, to the data frame
df$newcol = c('waugh','waugh','smith')

#you can see that the class'es of the two are different though the values are same
class(df$name)
## [1] "factor"
class(df$newcol)
## [1] "character"

1. 只有具有重复字母内容的列才会成为一个因素；如果列包含重复的数值，则不会将其视为因子。这是为什么？我很可能是指1-Male，0-Female，在这种情况下，它应该是一个因素？

   请注意，这两列都包含重复值

   class(df$name)
   ## [1] "factor"
   class(df$age)
   ## [1] "numeric"
   

Answer 1

这在 cmets 中基本上得到了回答，但我将把答案放在这里以结束这个问题。

当您使用data.frame() 创建 data.frame 时，该函数实际上会操纵您传入的参数以创建 data.frame 对象。具体来说，默认情况下，它有一个名为 stringsAsFactors=TRUE 的参数，因此它将获取您传入的所有字符向量并将它们转换为因子向量，因为通常您将这些值视为各种统计测试中的分类随机变量，并且它可以更有效如果向量中有许多重复的值，则将字符值存储为一个因素。

df <- data.frame(name,age)
class(df$name)
# [1] "factor"
df <- data.frame(name,age, stringsAsFactors=FALSE)
class(df$name)
# [1] "character"

请注意，data.frame 本身不记得在其构造过程中使用的“stringsAsFactors”值。这仅在您实际运行data.frame() 时使用。因此，如果您通过$<- 语法或cbind() 分配列来添加列，则不会发生强制

df1 <- data.frame(name,age)
df2 <- data.frame(name,age, stringsAsFactors=FALSE)
df1$name2 <- name
df2$name2 <- name
df3 <- cbind(data.frame(name,age), name2=name)
class(df1$name2)
# [1] "character"
class(df2$name2)
# [1] "character"
class(df3$name2) 
# [1] "character"

如果要将列添加为因子，则需要自己转换为因子

df = data.frame(name,age)
df$name2 <- factor(name)
class(df$name2)
# [1] "factor"