R中的数据重组（二进制短列表）

Question

我有一个具有这种结构的数据集：

区域1 区域2 区域3 1 10 5 5 2 8 10 8 3 13 15 12 4 3 17 11 5 17 9 6 12 15 7 4 8 18 9 1

我需要：

项目 区域1 区域2 区域3 1 1 1 0 0 2 3 1 0 0 3 4 1 0 0 4 5 0 1 1 5 8 1 0 1 6 9 0 0 1 7 10 1 1 0 8 11 0 0 1 9 12 1 0 1 10 13 1 0 0 11 15 0 1 1 12 17 1 1 0 13 18 1 0 0

计划是获得一个不同的项目列表，将每个区域作为自己的列连接，并将匹配项替换为 1，缺少的替换为 0；但我一定错过了 R 合并的一个关键点，删除了感兴趣的主列。任何意见是极大的赞赏！我更喜欢 R 解决方案，但下一步是研究 sqldf 包。

#read in data
regions <- read.csv("c:/data/regions.csv")

#get unique list of items from all regions
items <- na.omit(unique(stack(regions)[1]))

#merge distinct items with each region, replace matches with 1, missings with 0
merge.test <- merge(items,regions,by.x="values", by.y=c("region1"), all=TRUE)

Answer 1

帮助提供一个可重现的示例（即给我们一个简单的复制粘贴命令来构建您的示例数据）。

你没有说，所以我猜你的数据可能在一个列表中？

dat <- list(region1=c(10, 8, 3, 17, 12, 4, 18, 1),
            region2=c(5,10,15,17),
            region3=c(5,8,12,11,9,15))

首先找到所有的项目（可能不需要排序，我只是因为你的排序）

ids <- sort(unique(unlist(dat)))

然后对于每个区域，只需查看唯一 ID 列表是否在该区域中，将逻辑 TRUE/FALSE 强制为 0 和 1（如果对您有用，您可以保留为 T/F）

data.frame(ids,
    region1=as.integer(ids %in% dat$region1),
    region2=as.integer(ids %in% dat$region2),
    region3=as.integer(ids %in% dat$region3))

---

如果您只有 3 个区域就可以了，如果您有更多区域，您可能希望自动输入：

cols <- lapply(dat, function (region) as.integer(ids %in% region))
cols$id <- ids
df <- do.call(data.frame, cols)

do.call 使用列表 cols 作为其（命名）参数调用 data.frame 函数，即它只是这样做

data.frame(id=..., region1=..., region2=..., region3=...)

如果您的原始 dat 是 CSV 并且每列都有 NA 值，您可能需要根据需要插入 na.omit。

Answer 2

使用@mathematical.coffee 的例子和qdap：

dat <- list(region1=c(10, 8, 3, 17, 12, 4, 18, 1),
            region2=c(5,10,15,17),
            region3=c(5,8,12,11,9,15))

library(qdap)
matrix2df(t(mtabulate(dat)), "item")

您可能需要扩展：

FUN <- function(x) as.numeric(x > 0)
matrix2df(apply(t(mtabulate(dat)), 2, FUN), "item")

如果向量中有多个项目。

Answer 3

现有的答案很好，但它们似乎很复杂。试试stack + table吧：

table(stack(dat))
#       ind
# values region1 region2 region3
#     1        1       0       0
#     3        1       0       0
#     4        1       0       0
#     5        0       1       1
#     8        1       0       1
#     9        0       0       1
#     10       1       1       0
#     11       0       0       1
#     12       1       0       1
#     15       0       1       1
#     17       1       1       0
#     18       1       0       0

我还要冒昧地说，考虑到你目前的方法，你实际上有一个data.frame 而不是list：

DAT <- dat
Len <- max(sapply(DAT, length))
DAT <- data.frame(lapply(DAT, function(x) { length(x) <- Len; x }))

在这种情况下，解决方案也不例外：

table(stack(DAT))
#       ind
# values region1 region2 region3
#     1        1       0       0
#     3        1       0       0
#     4        1       0       0
#     5        0       1       1
#     8        1       0       1
#     9        0       0       1
#     10       1       1       0
#     11       0       0       1
#     12       1       0       1
#     15       0       1       1
#     17       1       1       0
#     18       1       0       0