排序因素与水平答案

【问题标题】：Factors ordered vs. levels排序因素与水平
【发布时间】：2014-04-30 19:35:30
【问题描述】：

有人能解释一下 R 中“ordered”参数的用途吗？

R 说：

已订购
用于确定级别是否应被视为有序的逻辑标志（按照给定的顺序）。

因此，如果我有一个名为 names 的因素并设置 ordered = TRUE

names<- factor(c("fred","bob","john"), ordered = TRUE)
names

为什么会打印出来：

[1] fred bob  john
Levels: bob < fred < john

这似乎没有使用我给它的命令。我从 fred 开始，从 Bob 开始？

此外，ordered 参数的使用与使用“levels”参数的使用方式有何不同，后者将对因子进行排序：

names<- factor(c("fred","bob","john"), levels= c("john","fred","bob"))
names

[1] fred bob  john
Levels: john fred bob

这似乎是按照我的命令。那么为什么我需要“ordered”参数呢？

我对如何使用“有序”和“级别”感到困惑。

【问题讨论】：

您的问题的第一部分只需阅读文档即可回答，特别是关于levels 参数的部分。
这远非显而易见，但 R 中因子和无序因子之间的唯一 (?) 主要区别是线性（广义线性等）模型中使用的默认对比度 - 默认为常规（无序）因子是处理（?contr.treatment），有序因子的默认值是多项式（@987654327@）——参见options("contrasts")。另一个区别是您可以使用不等式运算符（<、> 等）来比较有序因子的水平。

标签： r

【解决方案1】：

我将用更直观的因素替换你的名字向量，因为这些因素更有意义：

heights <- c("low","medium","high")

heights1 <- factor(heights, ordered = TRUE)
heights1
# [1] low    medium high  
# Levels: high < low < medium

heights2 <- factor(heights) # ordered = FALSE by default
heights2
# [1] low    medium high  
# Levels: high low medium

级别的顺序可能不是您所期望的，但是当您没有设置明确的顺序时，级别会按字母顺序排序。

要设置显式顺序，我们可以执行以下操作：

heights1<- factor(heights, levels = heights, ordered = TRUE)
heights1
# [1] low    medium high  
# Levels: low < medium < high

heights2<- factor(heights, levels = heights)
heights2
# [1] low    medium high  
# Levels: low medium high

您有时可能想使用factor(x, levels = unique(x))，因为关卡无法复制，在这种情况下，关卡将按其首次出现进行排序。

所以现在它在两边都排序了，但是等等，一个应该是“无序的”。该词汇表具有误导性，因为可以对无序因素进行排序，如果您想使用 ggplot2 调整布局，它甚至很有用。

但是，正如 @joran 和 @thomas 所提到的，统计模型会根据分类变量是否排序而以不同的方式考虑它们。

然而，让我来到这里的有序因子的使用是在 max 和 min 函数的使用中，特别是在聚合函数内部。

请参阅此问题和接受的答案，其中必须将因子定义为有序：Aggregate with max and factors

我们有这个：

# > df1
#    id height
# 1   1    low          
# 2   1   high         
# 3   2 medium          
# 4   2    low          
# 5   3 medium          
# 6   3 medium          
# 7   4    low          
# 8   4    low          
# 9   5 medium          
# 10  5 medium

我们无法聚合无序因子：

# aggregate(height ~ id,df1,max)
# Error in Summary.factor(c(2L, 2L), na.rm = FALSE) : 
# ‘max’ not meaningful for factors

我们可以使用有序因子！

# aggregate(height ~ id,df1,max)
#   id height
# 1  1   high
# 2  2 medium
# 3  3 medium
# 4  4    low
# 5  5 medium

【讨论】：

【解决方案2】：

让我们读一读吧。

来自?factor：

levels x 可能采用的值的可选向量。这默认值是 as.character(x) 采用的唯一值集，已排序成 x 的递增顺序。请注意，该集合可以指定为小于 sort(unique(x))。

因此，如果未指定，它将为您对唯一值进行排序并将其视为顺序。

正如 Ben 提到的，有序因子和无序因子在实践中有何不同的问题要复杂得多，并且通常依赖于您知道合理数量的统计数据的假设。文档只说：

有序因子与其类的因子不同，但方法不同并且模型拟合函数非常对待这两个类不同。

再次，正如 Ben 提到的，许多模型拟合例程将非常不同地处理有序和无序因子，因为它们具有非常不同的统计含义和解释。统计差异的详细摘要可能超出了 StackOverflow 答案的范围。

【讨论】：