引言
factor是一种数据类型，用于存储目录变量（categorical variable）。
目录变量即离散型数据（vs连续型数据），取值范围是一个有限集合。例如性别。
当然我们也可以在连续数据中人为规定某些目录，即：离散化，例如将一组收入数据划分为不同的收入等级。
将变量进行参数化是很有必要的，这一点将会在本文最后一节提到
本节目录
- 使用factor() 函数创建无序目录
- 目录的种类---有序和无序
- 使用levels()函数修改目录的名字
- summary()函数：对某变量的概述与总结
使用factor() 函数创建无序目录
使用factor()函数，可以将向量中的元素的数据类型更改为factor类型。
#创建一个性别向量
sex_vec <- c("Male", "Female", "Female", "Male", "Male")
#将向量内的元素类型改成参数
factor_sex_vec <- factor(sex_vec)
#输出结果
factor_sex_vec
注意看输出结果中的“Levels”：表示我们的向量中有两个目录，男和女，并且这里是根据首字母的顺序进行的排列（真实情况跟复杂，涉及机器语言对字符的编码，但是这里不需要详细掌握）
目录的种类---有序和无序
factor()函数的默认输出结果是没有顺序的，也就是说，我们不能简单地表达男性优于女性。或者女性大于男性。类似这种数据，我们称之为nominal categorical variable，或者名目数据，这种数据处于所有数据类型的最底层，我们可以对其进行的操作并不多。
如果目录是可以排序、有高低之分的，这种数据叫做可排序的数据ordinal categorical variable,我们同样可以用factor()函数，过程很简单，在factor()函数的argument中，加入ordered = TRUE，表示有顺序的目录，然后用levels = c()来表达顺序，按从小到大的顺序排列。
这里我们用学位举例：
degree <- c("bachelor", "master", "doctor", "doctor", "bachelor", "bachelor")
factor_degree <- factor(degree, ordered = TRUE, levels = c("bachelor", "master", "doctor"))
factor_degree
使用levels()函数修改目录的名字
这一步的目的在于，让我们的数据更有可读性。
当我们进行数据分析时，数据中的性别有可能并不是直接写成男性或者女性。收集数据的人处于简化操作的目的，可能采用了其他的编码方式，例如1代表男性，2代表女性，这会损害数据的可读性。
survey_vec <- c(1, 2, 2, 1, 2, 1, 1, 1, 2, 2)
factor_survey <- factor(survey_vec)
factor_survey
*注意看输出结果的顺序，1在前表示男性，2在后。
把1 和2 改成男性女性：
levels(factor_survey) <- c("Male", "Female")
factor_survey
summary()函数：对某变量的概述与总结
如果我们想知道，我们的调查对象中男性和女性的人数分别是多少，可以借助summary()函数。更普遍的，summary()函数可以告诉我们每个目录下，分别有多少个元素。
summary(factor_degree)
summary(factor_survey)
思考一个问题，如果我们不把数据类型改成factor，而是直接调用summary()函数会怎样？
分两种情况，下面进行尝试：
# 数据类型是字符串
summary(survey_vec)
# 数据类型是整数
summary(degree)
根据上图可知，
- 当变量的类型是整型时，
summary()输出最小值，最大值，分位点，平均值等，但是事实上我们的数据类型应该是是目录类型，对目录类型(nominal)进行描述统计是毫无意义的，因此将其类型修改为参数是很有必要的。
*注意：summary()还会在后续的章节中提到，主要用于numerical 数据 - 当变量的类型是字符时，R会输出向量包含的元素个数与类型。
