我开始使用R，并了解PCA分析，但我的问题与分类变量有关。
我的数据集中有三种主要类型的分类变量。
第一类：特征的存在/缺失，我知道我可以将其转换为表中的1/0而不用担心。
类型二：特征的频率或丰度，我假设如果我将缺少/不太丰富/丰富的东西变换为0/1/2，我将会理解。
类型三：有问题的一个。这是真正的绝对，作为标签。变量的名称是＆＃34; cambial variant＆＃34;，可能性是：缺席/浅裂/复合/裂缝/有线等等...... 这些是不同类型的cambial变种，不同种类的植物可以找到不同类型。
首先我假设可以简单地为这些不同的类型使用不同的数字（例如：absent = 0，lobed = 1，compound = 2，依此类推）。所以我像那样执行了 prcomp ，结果正是我的预期。但后来我意识到我犯了一个错误，就是根据不相关的东西使用不同的数字，对吧？该程序理解3大于2，这在某种程度上是错误的，因为＆＃34;裂隙类型＆＃34;和＃34;复合类型＆＃34;不是同一事物的强度水平（丰度，频率，等等）。它们是相同结构的不同类型，但是一个不会转换为另一个，它们与那种方式无关。
所以，总之，我想知道如何将这些更像标签的变量转换为函数 prcomp 可以理解和使用的东西。或者，如果这不是一个选项，如果R中有另一个函数可以使用这些不能修改为数字的分类变量进行PCA。
谢谢大家，如果我的问题太愚蠢，我很抱歉，我真的只是一个初学者！