如何在 R 中创建一个函数以将变量重新编码为新的二进制列？（带有 ifelse 语句）[重复]答案

【问题标题】：How to make a function in R to recode a variable into new binary columns? (with ifelse statement) [duplicate]如何在 R 中创建一个函数以将变量重新编码为新的二进制列？（带有 ifelse 语句）[重复]
【发布时间】：2021-10-17 21:52:10
【问题描述】：

我想创建一个函数，使用ifelse 将变量中的值重新编码为二进制 0 和 1。假设我有这个数据集：

df <- data.frame(
        id = 1:10,
        region = rep(c("Asia", "Africa", "Europe", "America"), length = 10)
        )

这是我想要的输出：

但是，我想使用function 创建这些列，所以我只需在函数中输入数据和变量。这是据我所知：

binary <- function(data2, var, value){
        for(i in 1:nrow(data2)){        
            val <- ifelse(data2[data2[var] == value, 1, 0)
            data2 <- cbind(data2, val)
            }
        }

有谁知道如何在 R 中的 for 循环和 function 中使用 ifelse 函数？任何帮助深表感谢。谢谢。

【问题讨论】：

标签： r function for-loop if-statement

【解决方案1】：

重塑

这样做似乎有点低效；它似乎只是一个旋转/重塑操作，所以这是一个一次性的交易：

df2 <- reshape2::dcast(df, id + region ~ region, value.var = "region")
df2[,unique(df2$region)] <- lapply(df2[,unique(df2$region)], function(z) +!is.na(z))
df2
#    id  region Africa America Asia Europe
# 1   1    Asia      0       0    1      0
# 2   2  Africa      1       0    0      0
# 3   3  Europe      0       0    0      1
# 4   4 America      0       1    0      0
# 5   5    Asia      0       0    1      0
# 6   6  Africa      1       0    0      0
# 7   7  Europe      0       0    0      1
# 8   8 America      0       1    0      0
# 9   9    Asia      0       0    1      0
# 10 10  Africa      1       0    0      0

dcast 枢轴（同时保留原始"region" 列）；中间值（在dcast 之后）是

reshape2::dcast(df, id+region~region, value.var="region")
#    id  region Africa America Asia Europe
# 1   1    Asia   <NA>    <NA> Asia   <NA>
# 2   2  Africa Africa    <NA> <NA>   <NA>
# 3   3  Europe   <NA>    <NA> <NA> Europe
# 4   4 America   <NA> America <NA>   <NA>
# 5   5    Asia   <NA>    <NA> Asia   <NA>
# 6   6  Africa Africa    <NA> <NA>   <NA>
# 7   7  Europe   <NA>    <NA> <NA> Europe
# 8   8 America   <NA> America <NA>   <NA>
# 9   9    Asia   <NA>    <NA> Asia   <NA>
# 10 10  Africa Africa    <NA> <NA>   <NA>

所以我们需要做的就是将它们从字符串/NAs 转换为“是或不是NA”，这是使用+!is.na(z) 完成的。

基础 R，不重塑

uniqregion <- unique(df$region)
tmp <- +outer(df$region, unique(df$region), `==`)
colnames(tmp) <- uniqregion
tmp
#       Asia Africa Europe America
#  [1,]    1      0      0       0
#  [2,]    0      1      0       0
#  [3,]    0      0      1       0
#  [4,]    0      0      0       1
#  [5,]    1      0      0       0
#  [6,]    0      1      0       0
#  [7,]    0      0      1       0
#  [8,]    0      0      0       1
#  [9,]    1      0      0       0
# [10,]    0      1      0       0
cbind(df, tmp)
#    id  region Asia Africa Europe America
# 1   1    Asia    1      0      0       0
# 2   2  Africa    0      1      0       0
# 3   3  Europe    0      0      1       0
# 4   4 America    0      0      0       1
# 5   5    Asia    1      0      0       0
# 6   6  Africa    0      1      0       0
# 7   7  Europe    0      0      1       0
# 8   8 America    0      0      0       1
# 9   9    Asia    1      0      0       0
# 10 10  Africa    0      1      0       0

文字函数

如果你真的想要一个函数来循环它，我仍然推荐 lapply 而不是 for 循环：

binary <- function(data2, variable) {
  uniq <- unique(data2[[variable]])
  cbind(data2, as.data.frame(
    lapply(setNames(nm = uniq),
           function(z) +(z == data2[[variable]]) )
  ))
}
binary(df, "region")
#    id  region Asia Africa Europe America
# 1   1    Asia    1      0      0       0
# 2   2  Africa    0      1      0       0
# 3   3  Europe    0      0      1       0
# 4   4 America    0      0      0       1
# 5   5    Asia    1      0      0       0
# 6   6  Africa    0      1      0       0
# 7   7  Europe    0      0      1       0
# 8   8 America    0      0      0       1
# 9   9    Asia    1      0      0       0
# 10 10  Africa    0      1      0       0

（您可能会在此处考虑不是 cbind(data2,，而只是返回 Asia:America 列，允许调用函数（用户）确定如何处理它；也许这太强迫症/泛化. 只是一个想法。）

使用`for`循环的文字函数

但如果你真的必须拥有它...

binary2 <- function(data2, variable) {
  uniq <- unique(data2[[variable]])
  for (nm in uniq) {
    data2[[nm]] <- +(data2[[variable]] == nm)
  }
  data2
}
binary2(df, "region")
#    id  region Asia Africa Europe America
# 1   1    Asia    1      0      0       0
# 2   2  Africa    0      1      0       0
# 3   3  Europe    0      0      1       0
# 4   4 America    0      0      0       1
# 5   5    Asia    1      0      0       0
# 6   6  Africa    0      1      0       0
# 7   7  Europe    0      0      1       0
# 8   8 America    0      0      0       1
# 9   9    Asia    1      0      0       0
# 10 10  Africa    0      1      0       0

【讨论】：

【解决方案2】：

我在这里学到的最好的事情是将由TRUE 和FALSE 组成的矩阵乘以1，你会得到1's and 0's -> 太棒了：

df %>% cbind(model.matrix(~ region + 0, .)*1)

输出：

   id  region regionAfrica regionAmerica regionAsia regionEurope
1   1    Asia            0             0          1            0
2   2  Africa            1             0          0            0
3   3  Europe            0             0          0            1
4   4 America            0             1          0            0
5   5    Asia            0             0          1            0
6   6  Africa            1             0          0            0
7   7  Europe            0             0          0            1
8   8 America            0             1          0            0
9   9    Asia            0             0          1            0
10 10  Africa            1             0          0            0

或

我们可以在管道框架中使用cbind 和sapply：

df %>% 
    mutate(region = factor(region)) %>% 
    cbind(sapply(levels(.$region), `==`, .$region)*1)

也是这样的：

library(dplyr)
df %>% 
    mutate(region = factor(region)) %>% 
    cbind(sapply(levels(.$region), `==`, .$region)) %>% 
    mutate(across(Africa:Europe,  ~case_when(. == TRUE ~ 1,
                                             TRUE ~ 0)))

   id  region Africa America Asia Europe
1   1    Asia      0       0    1      0
2   2  Africa      1       0    0      0
3   3  Europe      0       0    0      1
4   4 America      0       1    0      0
5   5    Asia      0       0    1      0
6   6  Africa      1       0    0      0
7   7  Europe      0       0    0      1
8   8 America      0       1    0      0
9   9    Asia      0       0    1      0
10 10  Africa      1       0    0      0

或函数：

expand_factor <- function(f) {
    m <- matrix(0, length(f), nlevels(f), dimnames = list(NULL, levels(f)))
    replace(m, cbind(seq_along(f), f), 1)
}
df %>% 
    mutate(region = factor(region)) %>% 
    cbind(expand_factor(.$region)*1)

【讨论】：

对model.matrix的创新使用加倍！
非常感谢 r2evans。我很感激！！！
（不过很有趣，我不需要*1）

【解决方案3】：

通常最好在 R 中使用矢量化函数而不是循环。例如，您可以使用 dplyr 中的case_when 来做同样的事情，而不是编写带有循环的自定义函数：

library(tidyverse)

df %>%
  mutate(
    Asia = case_when(region == "Asia" ~ 1, TRUE ~ 0),
    Africa = case_when(region == "Africa" ~ 1, TRUE ~ 0),
    Europe = case_when(region == "Europe" ~ 1, TRUE ~ 0),
    America = case_when(region == "America" ~ 1, TRUE ~ 0)
  )

或者，更简单的版本（感谢 MartinGal）：

df %>%
  mutate(Asia = +(region == "Asia"),
         Africa = +(region == "Africa"),
         Europe = +(region == "Europe"),
         America = +(region == "America"))

【讨论】：

将其简化为例如Asia = +(region == "Asia")
@MartinGal 我直到现在才知道这个措辞 - 谢谢！

重塑

基础 R，不重塑

文字函数

使用for循环的文字函数

使用`for`循环的文字函数