R语言中factor（因子）与vector（向量）的区别是什么？

在数据库处理场景中，二者的差异主要体现在存储逻辑、用途和操作行为上，以下是具体区分：

1. 本质与存储逻辑 #

• Vector（向量）：R的基础数据结构，存储同类型的原始值（数值、字符、逻辑等），每个元素就是你看到的实际内容。比如数据库里的订单金额（数值型）、用户邮箱（字符型）列，导入后通常是向量。
• Factor（因子）：是带分类标签的特殊向量，底层存储的是整数编码，每个编码对应一个预设的levels（水平）。类似数据库里的枚举类型，比如订单状态（待支付/已完成/已取消），用factor存储时，实际存的是1、2、3，但显示的是对应的标签。

2. 核心用途 #

• Vector：适用于连续型数据（如年龄、销售额），或无需分类的离散数据（如订单ID、随机字符串）。
• Factor：专门处理分类数据，比如性别、地区、产品类别。在统计分析（如方差分析、逻辑回归）和可视化时，R会自动识别其分类属性，避免把分类标签当成普通字符串处理。

3. 操作行为差异 #

元素修改 #

• 字符向量可以直接修改任意元素：

  char_vec <- c("待支付", "已完成", "待支付")
  char_vec[1] <- "已取消"  # 直接生效
  

• Factor修改元素时，必须确保新值在已定义的levels中，否则会报错：

  fac_vec <- factor(c("待支付", "已完成", "待支付"))
  fac_vec[1] <- "已取消"  # 报错：invalid factor level, NA generated
  # 正确操作：先添加水平再修改
  levels(fac_vec) <- c(levels(fac_vec), "已取消")
  fac_vec[1] <- "已取消"
  

统计计算 #

• 对数值向量可以直接计算均值、求和：

  num_vec <- c(100, 200, 150)
  mean(num_vec)  # 返回150
  

• Factor适合做分组统计，对应数据库里的GROUP BY场景：

  fac_vec <- factor(c("男", "女", "男", "男"))
  table(fac_vec)  # 返回男:3，女:1
  

4. 数据库交互注意点 #

• 导入数据：数据库的字符列默认导入为字符向量，若要作为分类数据处理，需手动转换为factor：df$category <- as.factor(df$category)；部分数据库的枚举类型导入后会自动转为factor。
• 导出数据：Factor导出时会输出对应的标签字符串，和数据库的枚举列兼容；向量则直接输出原始值，无需额外转换。

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