因子的顺序

因子的自然排序

今天在工作中，要处理一个之前已经遇到，但一直没有正面解决的问题：当所要分析的时间是（日度）跨月份或（月度）跨年份，该怎样操作。

比较正统的思路是转换成时间型数据，用时间型的函数操纵。但一来时间型数据操纵我也不够熟悉，二来也不想这样大费周章，所以就想有没有轻便化的方法能够巧妙解决。略加思考后，认为应该将字符串型的日期转换成因子型数据，然后用因子的顺序决定日期的先后。这在理论上是可行的，实际如何操作还需实验。

读入交调数据

jdprovince <- read.csv("D:\\data\\jdprovince.csv",stringsAsFactors = F)
dim(jdprovince)

## [1] 55141    24

unique(jdprovince$年份)

## [1] 2017 2018

unique(jdprovince$月份)

##  [1] "11月" "09月" "08月" "05月" "03月" "02月" "01月" "12月" "10月" "07月"
## [11] "06月" "04月"

发现有“年份”、“月份”两个字段表示日期。希望是能用一个字段就能表示日期。把这两个拼接起来，命名为“年月”。

jdprovince$年月 <- paste(jdprovince$年份, jdprovince$月份, sep = "-")
str(jdprovince$年月)

##  chr [1:55141] "2017-11月" "2017-09月" "2017-08月" "2017-05月" ...

但拼接好的结果是字符串，需要转变为因子。

现在思考：怎样确定因子的顺序，让程序知道“2017-01月”先于“2017-02月”。偶然间我发现：

sort(as.factor(unique(jdprovince$年月)))

##  [1] 2017-01月 2017-02月 2017-03月 2017-04月 2017-05月 2017-06月 2017-07月
##  [8] 2017-08月 2017-09月 2017-10月 2017-11月 2017-12月 2018-01月 2018-02月
## [15] 2018-03月 2018-04月 2018-05月 2018-06月 2018-07月 2018-08月 2018-09月
## 21 Levels: 2017-01月 2017-02月 2017-03月 2017-04月 2017-05月 ... 2018-09月

原来R语言里面的排序是可以像识别字符串一样识别因子的顺序的！太聪明了！

这样的话，直接这样

jdprovince$年月 <- factor(jdprovince$年月,order=T)
head(jdprovince$年月,10)

##  [1] 2017-11月 2017-09月 2017-08月 2017-05月 2017-03月 2017-02月 2017-01月
##  [8] 2017-12月 2017-10月 2017-07月
## 21 Levels: 2017-01月 < 2017-02月 < 2017-03月 < 2017-04月 < ... < 2018-09月

月份自然就是有顺序的因子了。然后再做计算画图什么的，自然不在话下。

---

指定Level的排序

接着思考一个问题：因子的顺序是怎么确定的呢？

sort(factor(c("2017-01月","2017-03月","2017-02月"),order=T))

## [1] 2017-01月 2017-02月 2017-03月
## Levels: 2017-01月 < 2017-02月 < 2017-03月

它会认为2月先于3月，后于1月。

如果我偏认为2月后于3月呢？

sort(factor(c("2017-01月","2017-03月","2017-02月"),level = c("2017-01月","2017-03月","2017-02月"),order=T))

## [1] 2017-01月 2017-03月 2017-02月
## Levels: 2017-01月 < 2017-03月 < 2017-02月

如果指定level的顺序，就是我想要的结果。

---

总结

R语言中的因子可以像字符串一样自动认定顺序，所以用order或sort加日期拼凑型的因子，很容易做出有时间先后顺序的因子。如果不满意自动的结果，可以通过改变level参数手动调整。

以后再也不用担心（日度）跨月数据和（月度）跨年数据了。