将特征转换为假人答案

【问题标题】：Converting features to dummies将特征转换为假人
【发布时间】：2018-12-09 19:51:35
【问题描述】：

我有这个矩阵：

quimio = matrix(c(51,33,16,58,29,13,48,42,30,26,38,16), 
            nrow = 4, ncol = 3)

colnames(quimio) = c("Pouca", "Média", "Alta")
rownames(quimio) = c("Tipo I", "Tipo II", "Tipo III", "Tipo IV")

看起来像这样：

          Pouca Média Alta
Tipo I      51    29   30
Tipo II     33    13   26
Tipo III    16    48   38
Tipo IV     58    42   16

我想把它变成一个小标题，这样这些行和列名都是虚拟变量。

我想制作条形图，结果如下：

library(tidyverse)

tipo = c("Tipo I", "Tipo II", "Tipo III", "Tipo IV")

tipos = rep(tipo, 3)

quimiotb = as.tibble(quimio)
quimiotb = gather(quimiotb)
quimiotb$tipo = tipos

quimiotb = rename(quimiotb, reacao = key)
quimiotb$reacao = factor(quimiotb$reacao)
quimiotb$tipo = factor(quimiotb$tipo)

这是我得到的：

A tibble: 12 x 3
reacao value tipo    
<fct>  <dbl> <fct>   
1 Pouca     51 Tipo I  
2 Pouca     33 Tipo II 
3 Pouca     16 Tipo III
4 Pouca     58 Tipo IV 
5 Média     29 Tipo I  
6 Média     13 Tipo II 
7 Média     48 Tipo III
8 Média     42 Tipo IV 
9 Alta      30 Tipo I  
10 Alta     26 Tipo II 
11 Alta     38 Tipo III
12 Alta     16 Tipo IV

虽然这可以用于带有 ggplot2 的条形图，但我无法在其上运行任何模型 - 这需要 tipo 分成 4 列，reacao 分成 3 列。现在这个 tibble 的第一行写着“51 名 Tipo I 癌症患者患有 pouca reacao”。我曾考虑过使用spread()，但找不到合适的参数组合。任何帮助将不胜感激。

tl;博士

我需要整理quimiotb，不知道怎么做

编辑：预期的输出应该是这样的

  A tibble: Y x 7
  Pouca Media Alta Tipo I Tipo II Tipo III Tipo IV    
  <fct> <fct> <fct> <fct>  <fct>   <fct>     <fct>
1   0     1    0      0      1       0         0
2   1     0    0      1      0       0         0

【问题讨论】：

请同时添加至少一小部分您的预期输出。
R 很少（如果有的话）需要将因子显式转换为虚拟变量，建模函数会以一种更加经过测试和安全的方式来处理这一点。
我只想运行方差分析来评估tipo 是否与reacao 相关

标签： r dataframe tidyverse spread

【解决方案1】：

建模例程将在内部为您创建一个 model.matrix，而无需您指定它，因此这就足够了。

as.data.frame.table(quimio)

model.matrix 可以从中创建模型矩阵，但您不需要它，如下面的代码所示。

现在您可以执行以下操作：

DF <- as.data.frame.table(quimio)
fm0 <- lm(Freq ~ Var1, DF) # or maybe you want Var2?
fm1 <- lm(Freq ~ Var1 + Var2, DF) 
anova(fm0, fm1) # compare

或查看summary(fm1) 的输出中Var2 的系数的t 检验，看看它们是否与零有显着差异。

或者您可能想对原始数据进行卡方检验

chisq.test(quimio)

无论如何，R 中有许多建模函数，您现在拥有所需形式的数据并可以探索它们。

【讨论】：

那么我该如何为模型指定公式呢？
假设我想运行方差分析，看看癌症类型是否与reacao 有关。如何指定模型的公式？
已将我的 cmets 转接回答。

【解决方案2】：

没有我想要的优雅，但应该与data.table 和mltools 一起使用：

> df
    Tipo I Tipo II Tipo III Tipo IV Alta Média Pouca value
 1:      1       0        0       0    0     0     1    51
 2:      0       1        0       0    0     0     1    33
 3:      0       0        1       0    0     0     1    16
 4:      0       0        0       1    0     0     1    58
 5:      1       0        0       0    0     1     0    29
 6:      0       1        0       0    0     1     0    13
 7:      0       0        1       0    0     1     0    48
 8:      0       0        0       1    0     1     0    42
 9:      1       0        0       0    1     0     0    30
10:      0       1        0       0    1     0     0    26
11:      0       0        1       0    1     0     0    38
12:      0       0        0       1    1     0     0    16

代码

library(data.table)
library(mltools)

df <- quimio %>% 
    as.data.frame() %>%
    rownames_to_column() %>%
    gather(key, value, -rowname) %>%
    mutate(rowname = as.factor(rowname),
           key = as.factor(key)) %>%
    as.data.table() %>%
    one_hot() %>% 
    rename_all(.funs = funs(sub("^.+_", "", names(df))))

【讨论】：

【解决方案3】：

另一种选择是

fun <- function(x, y) setNames(tibble(a = 1, b = 1)[rep(1, quimio[x, y]), ], c(rownames(quimio)[x], colnames(quimio)[y]))
1 * !is.na(map2_dfr(row(quimio), col(quimio), fun))
#      Tipo I Pouca Tipo II Tipo III Tipo IV Média Alta
# [1,]      1     1       0        0       0     0    0
# [2,]      1     1       0        0       0     0    0
# [3,]      1     1       0        0       0     0    0
# ...

这里fun 为quimio 的某一对行和列创建一个包含两列的小标题，其中行数作为quimio 中的条目给出。第二行遍历所有列和行对，为每对创建一个 tibble，绑定它们，并将所有剩余的 NA 条目设置为零。

【讨论】：