如何创建虚拟变量？答案

【问题标题】：How to create dummy variables?如何创建虚拟变量？
【发布时间】：2012-09-27 07:23:10
【问题描述】：

我有一个变量是一个因素：

 $ year           : Factor w/ 8 levels "2003","2004",..: 4 6 4 2 4 1 3 3 7 2 ...

我想创建 8 个虚拟变量，命名为“2003”、“2004”等，根据变量“year”的值取值 0 或 1。我能想到的最接近的是

dt1 <- cbind (dt1, model.matrix(~dt1$year - 1) )

但这会带来不幸的后果

虚拟变量命名为 dt1$year2003，而不仅仅是“2003”、“2004”等
model.matrix 似乎完全省略了 NA 行（因此，当year 变量中存在 NA 时，上述命令由于长度不同而失败。

当然，我可以用更多代码解决这些问题，但我希望我的代码尽可能简洁（在合理范围内），所以如果有人能提出更好的方法来制作虚拟变量，我将不胜感激。

【问题讨论】：

我认为你不能在R:cran.r-project.org/doc/manuals/…中拥有以数字开头的变量名
通常情况下，您不会自己创建一个假人，而是在模型中使用类“因子”的变量，因此适合模型的函数将从因子构造模型矩阵。如果您需要它们，您可以从模型矩阵中提取假人。
@Glen_b 谢谢 - 这是有用的信息，这意味着我可以运行一个模型，例如 glmer(y~x + (year + 1|school).... where year 而不是编码虚拟变量并运行 glmer(y~x + (y1+y2+y3+y4+y5+y6+y7+y8 + 1|school).... 并获得相同的输出？
治疗对比是 R 中分类变量的默认设置。
@smillig：在 R 中，变量名可以以数字和下划线开头，但应适当引用。

标签： r

【解决方案1】：

您可以使用ifelse()，它不会省略na 行（但我猜您可能不会将其视为“尽可能简洁”）：

dt1 <- data.frame(year=factor(rep(2003:2010, 10)))  # example data

dt1 <- within(dt1, yr2003<-ifelse(year=="2003", 1, 0))
dt1 <- within(dt1, yr2004<-ifelse(year=="2004", 1, 0))
dt1 <- within(dt1, yr2005<-ifelse(year=="2005", 1, 0))
# ...    

head(dt1)
#   year yr2003 yr2004 yr2005
# 1 2003      1      0      0
# 2 2004      0      1      0
# 3 2005      0      0      1
# 4 2006      0      0      0
# 5 2007      0      0      0
# 6 2008      0      0      0

【讨论】：

【解决方案2】：

这是尽可能简洁的。 na.action 选项负责处理 NA 值（我宁愿使用参数而不是全局选项设置，但我不知道如何）。列的命名是非常硬编码的，在model.matrix 中看不到任何覆盖它的方法...

options(na.action=na.pass)
dt1 <- data.frame(year=factor(c(NA,2003:2005)))
dt2 <- setNames(cbind(dt1,model.matrix(~year-1,data=dt1)),
              c("year",levels(dt1$year)))

如上所述，在某些列名不是合法 R 变量名的上下文中，您可能会遇到麻烦。

  year 2003 2004 2005
1 <NA>   NA   NA   NA
2 2003    1    0    0
3 2004    0    1    0
4 2005    0    0    1

【讨论】：

【解决方案3】：

library(caret) 提供了一个非常简单的函数 (dummyVars) 来创建虚拟变量，尤其是当您有多个因子变量时。但是您必须确保目标变量是因素。例如如果您的Sales$year 是数字，则必须将它们转换为因子：as.factor(Sales$year)

假设我们有如下原始数据集“Sales”：

    year    Sales       Region
1   2010    3695.543    North
2   2010    9873.037    West
3   2008    3579.458    West
4   2005    2788.857    North
5   2005    2952.183    North
6   2008    7255.337    West
7   2005    5237.081    West
8   2010    8987.096    North
9   2008    5545.343    North
10  2008    1809.446    West

现在我们可以同时创建两个虚拟变量：

>library(lattice)
>library(ggplot2)
>library(caret)
>Salesdummy <- dummyVars(~., data = Sales, levelsOnly = TRUE)
>Sdummy <- predict(Salesdummy, Sales)

结果将是：

   2005 2008 2010   Sales    RegionNorth    RegionWest
1   0    0    1   3695.543       1              0
2   0    0    1   9873.037       0              1
3   0    1    0   3579.458       0              1
4   1    0    0   2788.857       1              0
5   1    0    0   2952.183       1              0
6   0    1    0   7255.337       0              1
7   1    0    0   5237.081       0              1
8   0    0    1   8987.096       1              0
9   0    1    0   5545.343       1              0 
10  0    1    0   1809.446       0              1

【讨论】：