关注微信公众号
关注百度医学微信公众账号，医界大数据你比别人先知道关注微信公众号
关注百度医学微信公众账号，医界大数据你比别人先知道相关热词相关学者相关期刊R语言基础：因子和有序因子
因子(factor)和有序因子(ordered factor)
因子用来存储类别变量(categorical
variables)和有序变量，这类变量不能用来计算而只能用来分类或者计数。
因子表示分类变量，有序因子表示有序变量。
生成因子数据对象的函数是factor(),语法是factor(data, levels, labels,
...)，其中data是数据，levels是因子水平向量，labels是因子的
标签向量。
1、创建一个因子。
& &例1：colour
&- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R',
col &- factor(colour)
col1 &- factor(colour, levels = c('G', 'R',
'Y'), labels = c('Green', 'Red', 'Yellow'))
#labels的内容替换colour相应位置对应levels的内容
col2 &- factor(colour, levels = c('G', 'R',
'Y'), labels = c('1', '2', '3'))
col_vec &- as.vector(col2) #转换成字符向量
col_num &- as.numeric(col2) #转换成数字向量
col3 &- factor(colour, levels = c('G',
2、创建一个有序因子。
& & 例1：score
&- c('A', 'B', 'A', 'C', 'B')
score1 &- ordered(score, levels = c('C', 'B',
'A')); score1
3、用cut()函数将一般的数据转换成因子或有序因子。
& & 例1：exam
&- c(98, 97, 52, 88, 85, 75, 97, 92, 77, 74, 70, 63,
97, 71, 98,&
& 65, 79, 74, 58, 59, 60, 63, 87, 82, 95, 75,
79, 96, 50, 88)
exam1 &- cut(exam, breaks = 3) #切分成3组
exam2 &- cut(exam, breaks = c(0, 59, 69, 79,
89, 100)) #切分成自己设置的组
attr(exam1, 'levels'); attr(exam2, 'levels'); attr(exam2,
ordered(exam2, labels = c('bad', 'ok', 'average', 'good',
'excellent')) #一个有序因子
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。关注微信公众号
关注百度医学微信公众账号，医界大数据你比别人先知道相关热词相关学者相关期刊我想问下如果求两个因子之间的相关性,是用P还是r,如果用r,r_百度作业帮
我想问下如果求两个因子之间的相关性,是用P还是r,如果用r,r
吱嘛的2翔2C
用r更准确,通常情况下r都是小于1的,当r的绝对值大于0.3时,就可以认为二者之间有相关了,当绝对值大于0.6时,相关已经非常强烈了.
其他类似问题
r表示相关系数大小，P表示显著性程度，0.4-0.6一般表示中等程度相关。是否显著相关要结合样本量看，大样本时R<0.4，P也很容易显示显著相关。
相关分析时 首先要看p值 也就是显著性检验。如果p值小于0.05，说明两个变量之间存在显著的相关性，这个相关性不是由于误差引起的。之后再看r的大小，也就是相关系数。 举个极端点的例子，如果p值大于0.05，就算是两者的r接近1，那么这两者之间还是没有相关性；如果p值小于0.05，即使两者之间的r接近0，那这两者之间还是有相关性。...
扫描下载二维码}