如何将分类变量转换为R中的多个虚拟变量？答案

【问题标题】：How do convert a categorical variable into multiple dummy variables in R?如何将分类变量转换为R中的多个虚拟变量？
【发布时间】：2020-08-02 21:31:04
【问题描述】：

这里我有一个列名为 Age = (24 或以下、25 到 34、35 到 44、45 到 54、25 到 34、24 或以下、35 到 44、25 到 34、45 到54）

现在我需要将分类变量“Age”的值转换如下： 24 或以下等于 1， 25 到 34 等于 2， 35 到 44 等于 3， 45 到 54 等于 4

谁能帮帮我？

非常感谢。

【问题讨论】：

标题说你想要虚拟变量，但你的描述说你想要一个从 1 到 4 的因子。哪个陈述是正确的？

标签： r dataframe dplyr tidyverse dummy-variable

【解决方案1】：

您可以使用嵌套的ifelse 语句：

set.seed(12)
df <- data.frame(Age = c(sample(c("24 or under", "25 to 34", "35 to 44", "45 to 54"), 20, replace = T)))
df$Age_new <- ifelse(df$Age == "24 or under", 1,
                     ifelse(df$Age == "25 to 34", 2,
                            ifelse(df$Age == "35 to 44", 3, 4)))

结果：

df
           Age Age_new
1     25 to 34       2
2     35 to 44       3
3  24 or under       1
4     45 to 54       4
5  24 or under       1
6     35 to 44       3
7     45 to 54       4
8     25 to 34       2
9     45 to 54       4
10    35 to 44       3
11 24 or under       1
12    35 to 44       3
13    25 to 34       2
14 24 or under       1
15    25 to 34       2
16    35 to 44       3
17    25 to 34       2
18    25 to 34       2
19    35 to 44       3
20    25 to 34       2

【讨论】：

嗨，克里斯，在数据集中，我有一些年龄范围，例如“24 岁或以下”是多次。我需要将它们同时保存在数据集中。
您的意思是每个年龄段的记录都有多个案例吗？那应该没关系。符合ifelse 语句中条件的每条记录都将被以相同方式处理。
查看编辑后的答案：正如@OTStats ifelse 所指出的，即使数据中存在多个因子级别的标记。

【解决方案2】：

正如 pieterbons 所述，您的 Age 字段实际上已经是一个因素。如果你将 Age 转换为数字类型，您将拥有数字类别中的数据。

df <- data.frame(Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54"))
df$Age <- as.numeric(df$Age)

您还可以使用您描述的 Age 字段的 虚拟代码 创建一个新字段（如果您有一个字符串变量要转换为因素，但它有一个非常不同的顺序），有多种方法可以做到这一点：

# 1) Base R
df$age_new <- as.numeric(df$Age)


# 2) dplyr
library(dplyr)
df <- df %>% 
  mutate(Age = case_when(Age == "24 or under" ~ 1,
                         Age == "25 to 34"    ~ 2,
                         Age == "35 to 44"    ~ 3, 
                         TRUE                 ~ 4))

#> df
#          Age age_new
#1 24 or under       1
#2    25 to 34       2
#3    35 to 44       3
#4    45 to 54       4

【讨论】：

@OTStats，这确实是一个很棒的方法。我喜欢它。非常感谢。

【解决方案3】：

如果您的列 Age 是一个因素，这实际上会自动发生在屏幕后面（每个值都存储为整数并具有相应的文本标签）。要显式获取这些整数，您可以使用as.numeric()。

df <- data.frame(Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54"))

df$Age_cat <- as.numeric(df$Age)

如果级别的顺序与原始顺序不同，您可能会遇到排序问题。在这种情况下，您可以明确设置因子的水平。

【讨论】：

【解决方案4】：

如果您想要一个虚拟变量（即 0 或 1），您可以使用 dplyr::if_else 语句为每个类别创建一个新变量：

library(dplyr)

Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54")
data.frame(age = Age) %>%
    mutate("24 or under" = if_else(age == Age[1], 1, 0),
           "25 to 34"    = if_else(age == Age[2], 1, 0),
           "35 to 44"    = if_else(age == Age[3], 1, 0),
           "45 to 54"    = if_else(age == Age[4], 1, 0))

如果您想要一个数值，请将您的变量编码为factor，按照您想要的顺序设置级别，然后使用as.numeric：

Age = factor(c("24 or under", "25 to 34", "35 to 44", "45 to 54"),
         levels = c(c("24 or under", "25 to 34", "35 to 44", "45 to 54")))

as.numeric(Age)

【讨论】：