R语言中factor与category的区别是什么？

1. 来源与本质 #

• factor是R基础环境自带的标准分类变量类型，用来存储有限离散取值的分类数据，支持有序（ordered factor）和无序两种形式，是所有R用户处理分类数据的基础工具。
• category是Hmisc包专属的扩展分类类型，由Hmisc的category()函数生成，是对基础factor的封装，专门为Hmisc系列统计函数优化设计。

2. describe()中的输出表现 #

• 处理普通factor时，describe()只会输出常规的统计信息：各水平的频数、占比，以及缺失值数量，和基础统计函数的输出逻辑一致。
• 处理category类型变量时，describe()会给出更定制化的摘要：比如可以提前指定水平的展示顺序、自动合并低频数的稀有水平，还会额外标注分类变量的编码属性（比如是否为临床研究中的编码分类），更适合复杂分类场景的统计需求。

3. 使用场景 #

• factor通用性强，适用于所有R数据分析场景，不管是基础统计还是其他包的函数都能兼容。
• category主要用于Hmisc包的工作流中，比如在医学、生物统计等需要精细处理分类变量的领域，用它可以让describe()等函数输出更贴合专业需求的统计结果。

内容的提问来源于stack exchange，提问作者robertspierre