factor, el equivalente a un enum en R

En esta lección darás nombre a un conjunto cerrado de valores posibles.

Un factor guarda datos categóricos: los valores posibles se declaran en levels, y R almacena internamente un número por cada uno.

El código de ejemplo declara un color con tres niveles posibles.

Los factores son mucho más que una lista de constantes: son el tipo con el que R representa las variables categóricas en un análisis, y los modelos estadísticos los tratan de forma especial. El orden de los niveles decide además el orden de las barras en un gráfico y cuál es la categoría de referencia en una regresión.

Hay una trampa muy conocida: convertir un factor a número con as.numeric devuelve los códigos internos, no los valores visibles. Un factor cuyos niveles son «10», «20», «30» se convierte en 1, 2, 3. Hay que pasar por texto primero.

Y un apunte histórico útil: hasta la versión 4.0, R convertía automáticamente el texto en factores al leer un archivo, lo que causaba sorpresas constantes. Ya no lo hace, pero encontrarás mucho código antiguo con stringsAsFactors = FALSE escrito para desactivarlo.