用于从数据集中分离电影流派列的 R 代码

Question

所以我有一个 IMDB 电影数据集，其中有一列“流派”，其中有“|”分离的电影流派。前“犯罪|戏剧|恐怖”

现在每一行都有不同的流派组合，但我想将其分开，如果电影具有该流派，则分配 1，否则分配 0。

我编写了这段代码来获得我可以制作专栏的独特流派。

li = list()
for(x in movie_clean$genres) {
  tokens = tokenize_words(x)
  for(y in tokens)
    li = append(li, y)
}
li = li[!duplicated(li)]

我现在如何将 1 和 0 分配给主要流派列中的每个单独的列？

所以我希望最终输出是

| Adventure | Crime | Drama |

| 1         | 0     | 1     |

编辑：每一行都有不同数量的流派，例如： https://imgur.com/a/WRru4Qc

Answer 1

这里有一些选项 -

1. tidyverse -

library(dplyr)
library(tidyr)

movie_clean %>%
  mutate(row = row_number()) %>%
  separate_rows(genres, sep = '\\|') %>%
  pivot_wider(names_from = genres, values_from = genres, 
              values_fn = function(x) 1, values_fill = 0) %>%
  select(-row)

#  Crime Drama Horror Action Adventure Fantasy Thriller
#  <dbl> <dbl>  <dbl>  <dbl>     <dbl>   <dbl>    <dbl>
#1     1     1      1      0         0       0        0
#2     0     0      0      1         1       1        0
#3     0     0      0      1         0       0        1

几个单行选项

1. splitstackshape::cSplit_e

splitstackshape::cSplit_e(movie_clean, 'genres', sep = '|', type = 'character', fill = 0)

1. qdapTools::mtabulate

qdapTools::mtabulate(strsplit(movie_clean$genres, '|', fixed = TRUE))

数据

如果您在reproducible format 中提供数据会更容易提供帮助

movie_clean <- data.frame(genres = c('Crime|Drama|Horror', 
                          'Action|Adventure|Fantasy', 'Action|Thriller'))

Answer 2

假设你有一个看起来像这样的向量

v <- c("Crime|Drama|Horror", "Apple|Banana|Orange", "Country|Rock|Rap")

然后使用tidyverse，你可以这样做：

data.frame(v) %>% separate(v, c("Col1", "Col2", "Col3"), sep = "[|]")

得到

     Col1   Col2   Col3
1   Crime  Drama Horror
2   Apple Banana Orange
3 Country   Rock    Rap

Answer 3

base R 选项与read.table

 read.table(text = v, header = FALSE, sep = "|")
 V1     V2     V3
1   Crime  Drama Horror
2   Apple Banana Orange
3 Country   Rock    Rap

数据

v <- c("Crime|Drama|Horror", "Apple|Banana|Orange", "Country|Rock|Rap")