每年的虚拟变量

Question

如果我有以下 data.frame，我将如何为每年创建一个虚拟变量并将其附加到 DF，这样就会有额外的列 year2010 和 year2011。我有一个相当大的数据集，有很多不同的年份，我不想使用 ifelse 50 次。 ddply？

谢谢

 DF <- read.table(text=" year     id     var     ans
     2010      1      1       1
     2010      2      0       0
     2010      1      0       1
     2010      1      0       1
     2011      2      1       1
     2011      2      0       1
     2011      1      0       0
     2011      1      0       0", header=TRUE)

期望的输出：

  year id var ans year_2010 year_2011
1 2010  1   1   1         1         0
2 2010  2   0   0         1         0
3 2010  1   0   1         1         0
4 2010  1   0   1         1         0
5 2011  2   1   1         0         1
6 2011  2   0   1         0         1
7 2011  1   0   0         0         1
8 2011  1   0   0         0         1

1

Answer 1

这是我最喜欢的用于从分类变量创建虚拟变量的代码。 唯一的区别是这段代码产生K-1 虚拟变量以避免共线性：

x = as.factor( rep(1:6,each=4) );
model.matrix(~x)[,-1]

用您数据集中的年份替换x。

Answer 2

也许是这个？

library(tidyr)
DF$row <- 1:nrow(DF)  # to make each row unique
DF$dummy <- 1

newdf <- spread(DF, year, dummy, fill = 0)

Answer 3

 for(i in unique(DF$year)) {
          DF[paste('year',i,sep="")]=DF$year==i
  }

Answer 4

正如 Andrey Shabalin 所说，你想要model.matrix。首先，您需要将year 列转换为一个因素。为了得到你想要的，你需要使用contr.ltfr，它是caret包中contr.treatment的修改版。

在下面的公式中，0 表示不使用截距，. 表示数据框中的所有列。

DF$year <- factor(DF$year)
model.matrix(
  ~ 0 + ., 
  DF, 
  contrasts.arg = list(year = "contr.ltfr")
)

Answer 5

只需使用table，像这样：

cbind(DF, as.data.frame.matrix(table(sequence(nrow(DF)), DF$year)))
  year id var ans 2010 2011
1 2010  1   1   1    1    0
2 2010  2   0   0    1    0
3 2010  1   0   1    1    0
4 2010  1   0   1    1    0
5 2011  2   1   1    0    1
6 2011  2   0   1    0    1
7 2011  1   0   0    0    1
8 2011  1   0   0    0    1

---

你也应该能够做这样的事情：

library(data.table)
cbind(DF, 
      dcast.data.table(as.data.table(DF, keep.rownames = TRUE), 
                       rn ~ year, value.var = "id", fun.aggregate = length))
#   year id var ans rn 2010 2011
# 1 2010  1   1   1  1    1    0
# 2 2010  2   0   0  2    1    0
# 3 2010  1   0   1  3    1    0
# 4 2010  1   0   1  4    1    0
# 5 2011  2   1   1  5    0    1
# 6 2011  2   0   1  6    0    1
# 7 2011  1   0   0  7    0    1
# 8 2011  1   0   0  8    0    1

如果您希望名称为“year_2010”等，我想一种解决方法是执行以下操作：

dcast.data.table(as.data.table(DF, keep.rownames = TRUE)[, yr := "year"], 
                 rn ~ yr + year, value.var = "id", fun.aggregate = length)

---

您也可以随时编写自己的函数。这是我整理的一个应该相当有效的方法：

dummyCreator <- function(invec, prefix = NULL) {
  L <- length(invec)
  ColNames <- sort(unique(invec))
  M <- matrix(0L, ncol = length(ColNames), nrow = L,
              dimnames = list(NULL, ColNames))
  M[cbind(seq_len(L), match(invec, ColNames))] <- 1L
  if (!is.null(prefix)) colnames(M) <- paste(prefix, colnames(M), sep = "_")
  M
} 

dummyCreator(DF$year, prefix = "year")
#      year_2010 year_2011
# [1,]         1         0
# [2,]         1         0
# [3,]         1         0
# [4,]         1         0
# [5,]         0         1
# [6,]         0         1
# [7,]         0         1
# [8,]         0         1

只需使用上述cbind 即可获得您期望的输出。