变量可以简单地分为连续变量和分类变量（类别变量），分类变量又可以分为名义变量（包括二分类变量和无序多分类变量）和等级变量（有序多分类变量）。分类变量在R中称为因子。因子在R中很重要，可以影响到数据的分析方式。
函数factor()可以将向量编码成因子，对分类变量的每一个水平（原始值）赋值为一个整数，并以整数向量的形式储存起来。factor {base}: The function factor is used to encode a vector as a factor (the terms "category" and "enumerated type" are also used for factors). If argument ordered is TRUE, the factor levels are assumed to be ordered. For compatibility with S there is also a function ordered.
is.factor, is.ordered, as.factor and as.ordered are the membership and coercion functions for these classes.factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)解释一下比较重要的几个参数。ordered：logical flag to determine if the levels should be regarded as ordered (in the order given)，默认FALSE，构建名义变量；ordered=TRUE时将会构建有序变量，函数会根据字母顺序（字符变量）或数字顺序（数值变量）赋值因子的水平，也可以通过指定levels选项来覆盖默认排序。对于数值型变量，labels可以赋予数值实际意义的标签。需要注意的是，在数据中出现但在levels没有列举的值将会按缺失值处理。levels代表原始类别名称（因子格水平的名称），levels选项中原始类别名称的从左到右的排列顺序对应赋值由小到大，如果levels缺失，则默认由字母顺序（字符变量）或数字顺序（数值变量）赋值因子的各水平。factor函数类似于SPSS中通过values给原始类别名称赋值，lables相当于对类别名称进行重命名，类似于SPSS中label。创建因子后，针对该因子的任何分析都会将其作为创建的名义型（ordered=FALSE）或者有序型（ordered=TRUE）变量对待，并自动选择合适的统计方法。
is.factor(x)
is.ordered(x)
as.factor(x) #as.factor coerces its argument to a factor. It is an abbreviated (sometimes faster) form of factor.
as.ordered(x)
##modifies a factor by turning NA into an extra level (so that NA values are counted in tables, for instance)addNA(x, ifany = FALSE)
在此示例中，组别为无序多分类变量，结局为有序多分类变量，为了更好的演示不同类型的变量是如何编码成因子的，组别（drug、group）和结局（effect、eft）我们都用字符型和数值型两种变量来表示。
library(readxl)
data<-read_excel("D:/Temp/NPtdata.xlsx",3)
data
F1<-factor(data$drug) #将data表中的字符型变量drug编码成名义变量，并命名为F1，"1%selenium"、 "10%So"、"2.5%selenium"将会被分别赋值为1、2、3
F12<-as.factor(data$drug) #将data表中的变量drug转换成因子，并命名为F12。跟factor函数的结果是一致的F2<-factor(data$group) #将data表中的数值型变量group编码成名义变量，并命名为F2，水平0、1、2将会被分别赋值为1、2、3F22<-factor(data$group,levels=c(0,1,2),labels=c("10%So", "1%selenium", "2.5%selenium")) #将data表中的数值型变量group编码成名义变量，并命名为F22，水平0、1、2将会被分别赋予标签值为10%So、1%selenium、2.5%seleniumF3<-factor(data$effect, ordered=TRUE) #将data表中的字符型变量effect编码成有序变量，并命名为F3，cure、aprt、eft、ineft将会被分别赋值为2、1、3、4【Levels（按字母顺序排序）: aprt < cure < eft < ineft】F32<-factor(data$effect, levels=c("cure", "aprt", "eft", "ineft"),ordered=TRUE) #将data表中的字符型变量effect编码成有序变量，并命名为F32，cure、aprt、eft、ineft将会被分别赋值为1、2、3、4【按levels指定顺序: cure < aprt < eft < ineft】F4<-factor(data$eft,levels=c(0,1,2,3),labels=c("ineft","eft","aprt", "cure"),ordered=TRUE) #将data表中的数值型变量eft编码成有序变量，并命名为F4，原水平值0、1、2、3会分别赋值1、2、3、4，并赋予标签值ineft、eft、aprt、cure