R 为什么因子在条带图（晶格）中很重要？

我正在尝试学习lattice，下面是一个示例：

stripplot(depth ~ factor(mag), data = quakes)

结果如下：

鉴于此：

stripplot(depth ~ mag, data = quakes)

结果如下：

---

有什么区别？为什么这很重要？发生了什么事？

所以这似乎是在

bwplot

中如何解释公式的一个怪癖。所有的

stripplot

都是使用不同的面板函数调用

bwclot

。这意味着

stripplot(depth ~ mag, data = quakes)

相当于

bwplot(depth ~ mag, data = quakes, panel=panel.stripplot)

（假设您没有弄乱“prepanel.default.stripplot”选项）。所以基本上，

stripplot

就像一个盒子和胡须图，但它不是画盒子，而是把每个观察点画成一个点，并增加一些抖动，这样它们就不会互相重叠。观察这4个图（这里我使用

bwclot

，这样更容易看到数据的方向）

绘制bwplot/scatterplot时，其中一个变量应为因子。这就是得到离散群的方法。如果未指定因子，默认情况下，

bwclot

将把公式中的响应变量转换为因子。但是，如果响应是连续的，并且

x

是一个因子，

bwclot

假设您希望

x

是离散变量，而不是

y

，因此它会从默认的水平方向切换到垂直方向

因此，当两者都是数字时（如

条带图（depth~mag，data=quakes）

），将

深度转换为不需要的因子。但是，当您将一个系数指定为
x
并具有一个数值
y
（如
stripplot（depth~factor（mag），data=quakes）
）时，
bwclot
将其常规布局从垂直更改为水平以适应

希望这是有意义的。
好的，因此基本上如果没有一个是因子，那么它会强制公式中的第一个变量成为因子，从而导致这种不良效果。在我看来，条带图就像是xyplot的变体，而不是条形图。我想这就是我错过它的原因。
bwplot(depth ~ mag, data = quakes, main="bw d~m")
bwplot(mag ~ depth, data = quakes, main="bw m~d")
bwplot(depth ~ factor(mag), data = quakes, main="bw d~f(m)")
bwplot(factor(depth) ~ mag, data = quakes, main="bw f(d)~m")