R’da Faktörler (Factors): Kategorik Veriler ve as.numeric Tuzağı
Şehir, cinsiyet, medeni durum, memnuniyet düzeyi. Bunlar sayı değil, sınırlı sayıda seçenekten biri olan kategorik verilerdir. R bunları saklamak için özel bir türe sahip: faktör (factor).
R faktörler ilk bakışta metin gibi görünür, ama içeride sayı olarak tutulur. Bu ikili yapı hem çok işe yarar hem de yeni başlayanları en çok yanıltan konulardan biridir.
Faktör Oluşturmak
sehir_metin <- c("Ankara", "Bursa", "Ankara", "Adana")
# Metin vektörünü faktöre çevir
sehir <- factor(sehir_metin)
sehir[1] Ankara Bursa Ankara Adana
Levels: Adana Ankara Bursaİki fark dikkat çekiyor. Değerler tırnaksız yazıldı. Altında da bir Levels satırı var. Seviyeler (levels) faktörün alabileceği tüm kategorilerin listesidir. R bunları varsayılan olarak alfabetik sırayla dizer.
Arka Planda Ne Oldu?
levels(sehir)
nlevels(sehir)
# Faktörün içindeki gerçek değerler: sayılar
as.integer(sehir)[1] "Adana" "Ankara" "Bursa"
[1] 3
[1] 2 3 2 1R, her şehre bir numara verdi: Adana 1, Ankara 2, Bursa 3. Faktör aslında tamsayı kodlarından ve bir etiket tablosundan oluşuyor. Ekranda etiketleri görürsün, bellekte numaralar durur. Bu tasarım bellek tasarrufu sağlar ve istatistik modellerinin kategorileri tanımasını kolaylaştırır.
Kategorilerin sayısını görmek için table() kullan:
table(sehir)sehir
Adana Ankara Bursa
1 2 1 Klasik Tuzak: Faktörü as.numeric ile Çevirmek
Bu tuzak yıllardır herkesin başına gelir. Bir sütun sayılardan oluşuyor ama bir şekilde faktör olarak okunmuş. Sen de as.numeric() ile sayıya çeviriyorsun:
fiyat <- factor(c("10", "20", "10", "50"))
as.numeric(fiyat)[1] 1 2 1 3Beklediğin 10 20 10 50 değil. Sen etiketi dönüştürmek istedin, R ise içerideki kod numaralarını verdi: “10” etiketi 1 numaralı seviye, “20” 2, “50” 3. Hata vermedi, uyarı da çıkarmadı. Sonuçlar makul görünür ve analiz yanlış yönde devam eder.
Doğru yol: önce metne çevir, sonra sayıya.
as.numeric(as.character(fiyat))[1] 10 20 10 50stringsAsFactors Sürprizi
R 4.0.0 sürümünden önce data.frame() ve read.csv() metin sütunlarını otomatik olarak faktöre çeviriyordu. Bunu kapatmak için stringsAsFactors = FALSE yazman gerekirdi. R 4.0.0 ile varsayılan değer FALSE oldu. Yani artık metin, metin olarak kalıyor.
Neden önemli? Eski bir kitaptan ya da forum yanıtından kod kopyalarsan, o kodun faktör varsaydığı yerlerde artık metin gelir. Tersi de geçerli: bir öğretici metin sütununu varsayarken, eski R’da faktör gelirdi. Elindeki verinin türünü her zaman str() ile kontrol et.
Seviye Sırasını Belirlemek
Alfabetik sıra her zaman mantıklı değildir. “Düşük”, “Orta”, “Yüksek” alfabetik dizilirse “Düşük, Orta, Yüksek” çıkar ama “Küçük, Büyük, Orta” gibi bir şey alırsın. Sırayı levels argümanıyla kendin belirle. Kategoriler gerçekten sıralıysa ordered = TRUE ekle:
boyut <- factor(
c("küçük", "büyük", "orta"),
levels = c("küçük", "orta", "büyük"),
ordered = TRUE
)
boyut
# Sıralı faktörlerde karşılaştırma yapılabilir
boyut[1] < boyut[2][1] küçük büyük orta
Levels: küçük < orta < büyük
[1] TRUESıralı faktörde seviyeler < işaretiyle ayrılır. “küçük” gerçekten “büyük”ten küçük sayılır. Sıralanmamış faktörlerde bu karşılaştırma uyarı ve NA verir.
Tanımsız Seviye NA Üretir
sehir2 <- factor(c("Ankara", "Bursa", "Adana"))
# Seviyelerde olmayan bir değer atamaya çalış
sehir2[2] <- "Konya"
sehir2Warning message:
In `[<-.factor`(`*tmp*`, 2, value = "Konya") :
invalid factor level, NA generated
[1] Ankara <NA> Adana
Levels: Adana Ankara BursaFaktör sadece tanımlı seviyeleri kabul eder. “Konya” listede olmadığı için R değeri NA yaptı. Veri temizlerken ya da yeni kategori eklerken bu uyarıyı kaçırırsan sessizce kayıp veri yaratırsın. Çözüm: seviyeyi önce ekle, ya da faktörü metne çevirip düzenle, sonra yeniden faktöre çevir.
# Önce seviyeyi ekle, sonra ata
sehir3 <- factor(c("Ankara", "Bursa", "Adana"))
levels(sehir3) <- c(levels(sehir3), "Konya")
sehir3[2] <- "Konya"
sehir3[1] Ankara Konya Adana
Levels: Adana Ankara Bursa KonyaKullanılmayan Seviyeleri Temizlemek
Bir faktörden satır filtrelediğinde, o satırların kategorileri seviye listesinde kalır. Tabloda sıfır sayısıyla görünürler ve grafikte boş yer kaplarlar. droplevels() bunları temizler:
kalan <- sehir3[sehir3 != "Konya"]
levels(kalan)
kalan <- droplevels(kalan)
levels(kalan)[1] "Adana" "Ankara" "Bursa" "Konya"
[1] "Adana" "Ankara" "Bursa" Kontrol Listesi
- Faktörün altta tamsayı kodu, üstte etiket taşıdığını biliyorum.
- Sayıya çevirirken
as.numeric(as.character(f))yazıyorum. - Seviye sırasını
levelsargümanıyla kendim belirliyorum. - Filtreleme sonrası
droplevels()kullanıyorum. - R 4.0.0 öncesi ve sonrası
stringsAsFactorsfarkını biliyorum.
Sıkça Sorulan Sorular
Faktör mü kullanmalıyım, metin mi?
Sınırlı sayıda kategorisi olan ve istatistik modeline ya da grafiğe girecek sütunlarda faktör kullan. Serbest metinde (ad, adres, yorum) düz metin daha uygundur.
Faktör seviyelerinin adını nasıl değiştiririm?
levels(f) <- c(“yeni1”, “yeni2”, …) yazarsın. Yeni adları, mevcut seviye sırasıyla aynı sırada vermelisin, yoksa etiketler yanlış kategorilere kayar.
Faktörler neden R’a özgü?
R istatistik için doğdu. Kategorik değişkenleri modele doğru tanıtmak istatistiğin temelidir. Başka dillerde benzer kavramlar var ama R’da dilin merkezinde duruyor.
Sıradaki ders: Liste, vektör ve faktörleri tanıdın. Şimdi bir işlemi bunların hepsine tek tek, döngü yazmadan uygulama zamanı. 23. derste lapply, sapply, vapply ve Map fonksiyonlarını göreceğiz.







