Confusión entre niveles de factor y etiquetas de factor

Parece haber una diferencia entre los niveles y las etiquetas de un factor en R. Hasta ahora, siempre pensé que los niveles eran el nombre 'real' de los niveles de los factores, y las etiquetas eran los nombres utilizados para la salida (como tablas y gráficos) . Evidentemente, este no es el caso, como muestra el siguiente ejemplo:

df <- data.frame(v=c(1,2,3),f=c('a','b','c'))
str(df)
'data.frame':   3 obs. of  2 variables:
 $ v: num  1 2 3
 $ f: Factor w/ 3 levels "a","b","c": 1 2 3

df$f <- factor(df$f, levels=c('a','b','c'),
  labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))
levels(df$f)
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

Pensé que todavía se podía acceder a los niveles ('a', 'b', 'c') al realizar un script, pero esto no funciona:

> df$f=='a'
[1] FALSE FALSE FALSE

Pero esto hace:

> df$f=='Treatment A: XYZ' 
[1]  TRUE FALSE FALSE

Entonces, mi pregunta consta de dos partes:

• ¿Cuál es la diferencia entre niveles y etiquetas?

• ¿Es posible tener diferentes nombres para los niveles de factores para la creación de scripts y la salida?

Antecedentes: para scripts más largos, la creación de scripts con niveles de factor cortos parece ser mucho más fácil. Sin embargo, para informes y gráficos, estos niveles de factor cortos pueden no ser adecuados y deben reemplazarse por nombres más precisos.

Muy breve: los niveles son la entrada, las etiquetas son la salida en la factor()función. Un factor tiene solo un levelatributo, que se establece mediante el labelsargumento en la factor()función. Esto es diferente del concepto de etiquetas en paquetes estadísticos como SPSS y puede resultar confuso al principio.

Qué haces en esta línea de código

df$f <- factor(df$f, levels=c('a','b','c'),
  labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))

le está diciendo a R que hay un vector df$f

• que quieres transformar en un factor,
• en el que los diferentes niveles se codifican como a, byc
• y para los que desea que los niveles se etiqueten como Tratamiento A, etc.

La función de factor buscará los valores a, byc, los convertirá en clases de factores numéricos y agregará los valores de la etiqueta al levelatributo del factor. Este atributo se utiliza para convertir los valores numéricos internos a las etiquetas correctas. Pero como ve, no hay ningún labelatributo.

> df <- data.frame(v=c(1,2,3),f=c('a','b','c'))    
> attributes(df$f)
$levels
[1] "a" "b" "c"

$class
[1] "factor"

> df$f <- factor(df$f, levels=c('a','b','c'),
+   labels=c('Treatment A: XYZ','Treatment B: YZX','Treatment C: ZYX'))    
> attributes(df$f)
$levels
[1] "Treatment A: XYZ" "Treatment B: YZX" "Treatment C: ZYX"

$class
[1] "factor"

Escribí un paquete "lfactors" que te permite hacer referencia a niveles o etiquetas.

# packages
install.packages("lfactors")
require(lfactors)

flips <- lfactor(c(0,1,1,0,0,1), levels=0:1, labels=c("Tails", "Heads"))
# Tails can now be referred to as, "Tails" or 0
# These two lines return the same result
flips == "Tails"
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE
flips == 0 
#[1]  TRUE FALSE FALSE  TRUE  TRUE FALSE

Tenga en cuenta que un factor requiere que los niveles sean numéricos para que no se puedan confundir con las etiquetas.