我可以使用 pivot_longer 来制作一系列二分变量吗？

Question

我的数据集大致如下所示。有没有办法使用pivot_longer()将一个列变量变成一系列二分变量，1表示该行有该值，0表示没有？

这是不对的，但这是我的尝试。最后是所需的输出。

library(tidyverse)
election<-sample(seq(1965,2000, by=5),replace=T, size=100)
var1<-sample(c('red', 'blue'), replace=T, size=100)
var2<-sample(c(0,1), replace=T, size=100)
var3<-sample(c('up', 'down'), replace=T, size=100)             
df<-data.frame(election, var1, var2, var3)
df %>% 
  pivot_longer(names_from=election, values_from=election)

vaar1	var2	var3	1965	1970	1975	1980	1985	1990	1995	2000
red	0	up	1	0	0	0	0	0	0	0	0	0	0	0

Answer 1

使用来自data.table（R 4.1.0）的dcast

library(data.table)
dcast(setDT(df), ... ~ election,  value.var = 'election', \(x) +(length(x) > 0))

-输出

    var1 var2 var3 1965 1970 1975 1980 1985 1990 1995 2000
1: blue    0 down    1    1    1    1    0    1    1    1
2: blue    0   up    0    1    1    1    1    1    0    1
3: blue    1 down    1    1    0    0    1    1    1    1
4: blue    1   up    1    1    0    1    0    1    0    1
5:  red    0 down    1    1    1    1    1    1    0    1
6:  red    0   up    1    1    1    0    0    1    1    1
7:  red    1 down    1    1    1    1    1    0    1    1
8:  red    1   up    1    1    1    1    1    1    1    1

Answer 2

library(tidyr)

df %>% 
  pivot_wider(id_cols = var1:var3, 
              names_from = election, 
              values_from = election, 
              values_fn = \(x) as.integer(length(x) > 0),
              values_fill = 0L,
              names_sort = T)

如果您的 R 版本为 \(x) 替换为 function(x)。

输出

 var1   var2 var3  `1965` `1970` `1975` `1980` `1985` `1990` `1995` `2000`
  <chr> <dbl> <chr>  <int>  <int>  <int>  <int>  <int>  <int>  <int>  <int>
1 red       1 down       1      1      1      1      0      1      0      1
2 red       0 down       1      1      1      1      1      1      1      1
3 red       1 up         1      1      0      1      1      0      1      1
4 blue      0 down       1      1      1      1      1      1      1      1
5 blue      1 down       0      1      1      1      1      0      1      0
6 blue      1 up         1      0      0      0      1      1      1      1
7 blue      0 up         1      1      0      1      1      0      0      1
8 red       0 up         0      0      1      0      0      1      0      1

---

工作原理

为了帮助理解这是如何工作的，请关注将成为透视数据框中的一行的内容：

df %>% filter(var1 == "red", var2 == 1, var3 == "down") %>% arrange(election)
   election var1 var2 var3
1      1965  red    1 down
2      1965  red    1 down
3      1970  red    1 down
4      1975  red    1 down
5      1980  red    1 down
6      1990  red    1 down
7      1990  red    1 down
8      2000  red    1 down
9      2000  red    1 down
10     2000  red    1 down
11     2000  red    1 down

1. 很明显 id_cols 是 var1:var3 例如我们不想改变这些。所以我们的重点是election这个专栏。

2. 很明显，您希望 election 成为列名，因此是 names_from = election，但我们还希望在旋转时对 election 的 值 做一些事情。

3. 查看示例数据框，其中var1 == "red", var2 == 1, var3 == "down" 选举中的值不是由var1:var3 标识的唯一。所以对于var1 == "red", var2 == 1, var3 == "down" 行和`1965` 列，在这种情况下我们有两个值：c(1965, 1965) 和pivot_wider 不确定如何处理这些值（默认情况下，它将它们存储为list 对象）。

4. 所以我们提供了关于在这种情况下做什么的说明，pivot_wider 应用我们传递给values_fn 的函数。在示例中，这将解析为as.integer(length(c(1965,1965)) > 0)，并且在这种情况下输出变为1。即使它是唯一标识的，此功能仍然有效：

as.integer(length(c(1980)) > 0)
[1] 1

因为我们只是测试是否有值，如果有则返回 1。

5. 最后，并非每个election 列都有var1:var3 的值。对于此示例，没有 1985。默认情况下，pivot_wider 将使用NA 填充该值。我们提供指令以使用 values_fill 参数填充整数 0L。尝试在注释掉这个参数的情况下运行它，它应该很清楚。