Tingkat Faktor di R

Jika Anda ingin mengikuti kursus Intro to R gratis kami, berikut tautannya.

Tingkat Faktor

Saat pertama kali mendapatkan sebuah himpunan data, Anda sering melihat bahwa di dalamnya terdapat faktor dengan tingkat faktor tertentu. Namun, terkadang Anda ingin mengubah nama tingkat tersebut demi kejelasan atau alasan lainnya. R memungkinkan Anda melakukan ini dengan fungsi levels():

levels(factor_vector) <- c("name1", "name2",...)Didukung oleh

Ilustrasi yang baik adalah data mentah yang diberikan oleh sebuah survei. Pertanyaan umum dalam setiap kuesioner adalah jenis kelamin responden. Di sini, demi kesederhanaan, hanya dua kategori yang dicatat, "M" dan "F". (Biasanya Anda membutuhkan lebih banyak kategori untuk data survei; bagaimanapun, Anda menggunakan faktor untuk menyimpan data kategorikal.)

survey_vector <- c("M", "F", "F", "M", "M")Didukung oleh

Mencatat jenis kelamin dengan singkatan "M" dan "F" bisa jadi praktis jika Anda mengumpulkan data dengan pena dan kertas, tetapi dapat menimbulkan kebingungan saat menganalisis data. Pada tahap itu, Anda sering ingin mengubah tingkat faktor menjadi "Male" dan "Female" alih-alih "M" dan "F" demi kejelasan.

Perhatikan: urutan saat Anda menetapkan tingkat sangat penting. Jika Anda mengetik levels(factor_survey_vector), Anda akan melihat keluarannya [1] "F" "M". Jika Anda tidak menentukan tingkat faktor saat membuat vektor, R akan menetapkannya secara alfabetis. Untuk memetakan "F" ke "Female" dan "M" ke "Male" dengan benar, tingkatnya harus diatur menjadi c("Female", "Male"), dalam urutan ini.

Instruksi

• Periksa kode yang membangun vektor faktor dari survey_vector. Anda harus menggunakan factor_survey_vector pada instruksi berikutnya.
• Ubah tingkat faktor dari factor_survey_vector menjadi c("Female", "Male"). Perhatikan urutan elemen vektor di sini.

        # Code to build factor_survey_vector
        survey_vector <- c("M", "F", "F", "M", "M")
        factor_survey_vector <- factor(survey_vector)

        # Specify the levels of factor_survey_vector
        levels(factor_survey_vector) <-

        factor_survey_vector
        

Meringkas Sebuah Faktor

Setelah menyelesaikan kursus ini, salah satu fungsi favorit Anda di R akan menjadi summary(). Ini akan memberi Anda gambaran cepat tentang isi sebuah variabel:

summary(my_var)Didukung oleh

Kembali ke survei kita, Anda ingin mengetahui berapa banyak respons "Male" yang Anda miliki dalam studi Anda, dan berapa banyak respons "Female". Fungsi summary() memberikan jawaban untuk pertanyaan ini.

Instruksi

Minta summary() dari survey_vector dan factor_survey_vector. Tafsirkan hasil dari kedua vektor tersebut. Apakah keduanya sama-sama berguna dalam kasus ini?

        # Build factor_survey_vector with clean levels
        survey_vector <- c("M", "F", "F", "M", "M")
        factor_survey_vector <- factor(survey_vector)
        levels(factor_survey_vector) <- c("Female", "Male")
        factor_survey_vector

        # Generate summary for survey_vector


        # Generate summary for factor_survey_vector
        

Faktor Berurutan

Karena "Male" dan "Female" adalah tingkat faktor yang tidak berurutan (atau nominal), R mengembalikan pesan peringatan, memberi tahu Anda bahwa operator lebih besar dari tidak bermakna. Seperti terlihat sebelumnya, R melekatkan nilai yang sama pada tingkat untuk faktor seperti ini.

Tetapi ini tidak selalu demikian! Terkadang Anda juga akan berurusan dengan faktor yang memang memiliki pengurutan alami antar kategorinya. Jika demikian, kita harus memastikan untuk menyampaikan informasi ini ke R...

Misalkan Anda memimpin tim riset yang terdiri dari lima analis data dan Anda ingin mengevaluasi kinerja mereka. Untuk melakukannya, Anda melacak kecepatan mereka, mengevaluasi setiap analis sebagai "slow", "medium" atau "fast", dan menyimpan hasilnya dalam speed_vector.

Instruksi

Sebagai langkah pertama, tetapkan speed_vector sebuah vektor dengan 5 entri, satu untuk setiap analis. Setiap entri harus berupa "slow", "medium", atau "fast". Gunakan daftar berikut:

• Analis 1 adalah medium,
• Analis 2 adalah slow,
• Analis 3 adalah slow,
• Analis 4 adalah medium dan
• Analis 5 adalah fast.

Belum perlu menyatakan ini sebagai faktor.

        # Create speed_vector
        speed_vector <-
        

Jika Anda ingin belajar lebih banyak dari kursus ini, berikut tautannya.

Lihat juga Tutorial Factors in R.