根据 r 中 var 的值生成所有可能的虚拟变量 [重复]答案

【问题标题】：Generate all posible dummies according values of var in r [duplicate]根据 r 中 var 的值生成所有可能的虚拟变量 [重复]
【发布时间】：2018-11-19 03:48:12
【问题描述】：

我有一个这样的数据框：

df <- data.frame(V1=c("a,b,c,d,e,f","a,b,c","e,f","b,d","a,e"))

我想根据 var V1 中的类别生成所有可能的虚拟对象，如下所示：

df$a <- c(1,1,0,0,1)
df$b <- c(1,1,0,1,0)
df$c <- c(1,1,0,0,0)
df$d <- c(1,0,0,1,0)
df$e <- c(1,0,1,0,1)
df$f <- c(1,0,1,0,0)

> df
           V1 a b c d e f
1 a,b,c,d,e,f 1 1 1 1 1 1
2       a,b,c 1 1 1 0 0 0
3         e,f 0 0 0 0 1 1
4         b,d 0 1 0 1 0 0
5         a,e 1 0 0 0 1 0

我怎样才能有效地做到这一点？我有一个大数据框，V1 有很多类别。

【问题讨论】：

标签： r string dummy-variable

【解决方案1】：

这里有一个解决方案，它使用strsplit() 分割字符串和dcast() 从长格式到宽格式重塑：

library(data.table)
setDT(df)[, rn := .I][
  , strsplit(as.character(V1), ","), by = rn][
    , dcast(.SD, rn ~ V1, length)]

   rn a b c d e f
1:  1 1 1 1 1 1 1
2:  2 1 1 1 0 0 0
3:  3 0 0 0 0 1 1
4:  4 0 1 0 1 0 0
5:  5 1 0 0 0 1 0

如果要包含V1，后面可以加入：

library(data.table) # version 1.11.4 used
setDT(df)[, rn := .I][
  , strsplit(as.character(V1), ","), by = rn][
    , dcast(.SD, rn ~ V1, length)][
      df, on = "rn"][
        , setcolorder(.SD, "V1")]

            V1 rn a b c d e f
1: a,b,c,d,e,f  1 1 1 1 1 1 1
2:       a,b,c  2 1 1 1 0 0 0
3:         e,f  3 0 0 0 0 1 1
4:         b,d  4 0 1 0 1 0 0
5:         a,e  5 1 0 0 0 1 0

setcolorder() 用于将V1 列移到前面。

【讨论】：

【解决方案2】：

一个选项是使用splitstackshape::cSplit 拆分V1 列。确保使用drop = FALSE，以便保留V1 列。现在，使用tidyr::gather 转换为长格式，然后reshape2::dcast 将转换为宽格式的数据。

library(tidyverse)
library(splitstackshape)
library(reshape2)

df %>% cSplit("V1", drop = FALSE, type.convert = FALSE) %>%
  gather(key, value, -V1) %>%
  filter(!is.na(value)) %>%
  dcast(V1~value, fun.aggregate = length)

#            V1 a b c d e f
# 1       a,b,c 1 1 1 0 0 0
# 2 a,b,c,d,e,f 1 1 1 1 1 1
# 3         a,e 1 0 0 0 1 0
# 4         b,d 0 1 0 1 0 0
# 5         e,f 0 0 0 0 1 1

数据：

df <- data.frame(V1=c("a,b,c,d,e,f","a,b,c","e,f","b,d","a,e"), stringsAsFactors = FALSE)

【讨论】：