r - 编码标称变量和排序变量有什么区别？

Question

我不应该以不同的方式处理名义分类变量和序数变量吗？在我看来，从文本值到数字的简单更改可能表明名义变量之间存在某种关系。

在 R 中进行数据预处理时如何做到这一点？

Answer 1

R 的分类(名义)变量和序数变量的数据类型略有不同。

具体来说，分类数据通常编码为 factors 。序数变量是分类变量的特例，因此也是因子，但是有序因子。

就 R 代码而言，区别只是在 factor 函数调用中设置一个参数:

paygrades = c('intern', 'junior', 'senior', 'manager')

employees = data.frame(
    Name = c('Alice', 'Bob', 'Cecil', 'Dan', 'Emily', 'Felix'),
    Role = factor(c('engineer', 'accounting', 'marketing', 'CEO', 'testing', 'engineer')),
    Paygrade = factor(c('senior', 'junior', 'intern', 'manager', 'senior', 'junior'), levels = paygrades, ordered = TRUE),
    stringsAsFactors = FALSE
)

如果我们现在检查数据，我们会发现:

employees$Role
# [1] engineer   accounting marketing  CEO        testing    engineer
# Levels: accounting CEO engineer marketing testing
employees$Paygrade
# [1] senior  junior  intern  manager senior  junior
# Levels: intern < junior < senior < manager