从 1 个字符串列创建新的数字列

Question

我是初学者。我有一个来自here 的数据集，其中包含具有不同属性的人员资料，而profession 是其中的一个。有12个职业：管理员、蓝领、企业家、女佣、管理、退休、个体经营、服务、学生、技术员、失业者、未知。

我想将 K-NN 应用于该数据集，因此我想将职业列分配到 12 个新列中，并将 1 分配给相应的职业，将 0 分配给所有其他 11 个不属于那个人的职业。

我尝试了foreach package 和for loops，但没有成功。我无法使用foreach，而且我不知道下一步该做什么，来自以下代码：

jobs <- data[,2]
jobs
for (job in jobs) {
    print(job)
    #No idea how to create the new columns here, based on if conditionals
}

最好的方法是什么？

谢谢。

---

Answer 1

您当然可以使用 for 循环来解决问题，但我可以建议一个从长远来看更有效的解决方案：reshape2 包 (https://cran.r-project.org/web/packages/reshape2/)。

我已将 bank-full.csv 中的数据读入对象库中的 R 中。下一个reshape2包需要下载、安装、加载：

install.packages("reshape2")
library(reshape2)

然后可以将数据塑造成一种格式，其中观察在行上，作业在列上。首先将一个附件id 列添加到数据中：

bank$id<-1:nrow(bank)

然后，从数据框bank 中取出第 2 列和第 18 列（job 和 id）并将它们转换为上述形式可以如下完成：

tmp<-dcast(bank[,c(2, 18)], id~job, length)

这应该会给出一个新的数据框tmp，其中每个作业都有自己的列。由于每个 id 在数据中只出现一次，dcast 函数中用于聚合数据的 length 函数在每一列中只放置零和一。

最后，这些新列可以添加到原始数据集中：

bank<-cbind(bank[,-18], tmp[,-1])

方括号内的负下标会删除数据集中的列，因此这同时让您摆脱了id 列。

---

另一种更有效的方法是使用函数model.matrix：

bank2<-cbind(bank, model.matrix( ~ 0 + job, bank))

这应该为您提供一个数据框，其中每个作业都作为一个新列。但是请注意，它会稍微更改列名（将作业添加到作业列的开头）。