基于R中另一列中的逗号分隔值创建新列[重复]答案

【问题标题】：Create new columns based on comma-separated values in another column in R [duplicate]基于R中另一列中的逗号分隔值创建新列[重复]
【发布时间】：2020-10-31 14:21:11
【问题描述】：

我有一些类似于下面的数据。

df <- data.frame(id = 1:5, tags = c("A,B,AB,C", "C", "AB,E", NA, "B,C"))
df

#   id     tags
# 1  1 A,B,AB,C
# 2  2        C
# 3  3     AB,E
# 4  4     <NA>
# 5  5      B,C

我想为“标签”列中的每个标签创建一个新的虚拟变量列，从而生成如下数据框：

correct_df <- data.frame(id = 1:5, 
                     tags = c("A,B,AB,C", "C", "AB,E", NA, "B,C"),
                     A = c(1, 0, 0, 0, 0),
                     B = c(1, 0, 0, 0, 1),
                     C = c(1, 1, 0, 0, 1),
                     E = c(0, 0, 1, 0, 0),
                     AB = c(1, 0, 1, 0, 0)
                    )
correct_df

#   id     tags A B C E AB
# 1  1 A,B,AB,C 1 1 1 0  1
# 2  2        C 0 0 1 0  0
# 3  3     AB,E 0 0 0 1  1
# 4  4     <NA> 0 0 0 0  0
# 5  5      B,C 0 1 1 0  0

其中一个挑战是确保“A”列的“A”标签只有 1，例如“AB”标签就没有 1。出于这个原因，以下内容不起作用，因为“A”为“AB”标签获得了 1：

df <- df %>%
  mutate(A = ifelse(grepl("A", tags, fixed = T), 1, 0))
df

#   id     tags A
# 1  1 A,B,AB,C 1
# 2  2        C 0
# 3  3     AB,E 1 < Incorrect
# 4  4     <NA> 0
# 5  5      B,C 0

另一个挑战是以编程方式进行。我可能会处理为每个标签手动创建列的解决方案，但最好不要假设需要预先创建哪些标签列，因为可能有许多不同的标签。是否有一些我忽略的相对简单的解决方案？

【问题讨论】：

splitstackshape::cSplit_e(df, "tags", sep = ',', fill = 0, type = "character")
完美。这个解决方案（遵循this question 的答案）可以满足我的所有需求，而且简短而甜蜜。

标签： r dataframe

【解决方案1】：

这行得通吗：

> library(tidyr)
> library(dplyr)
> df %>% separate_rows(tags) %>% mutate(A = case_when(tags == 'A' ~ 1, TRUE ~ 0),
+                                       B = case_when(tags == 'B' ~ 1, TRUE ~  0),
+                                       C = case_when(tags == 'C' ~ 1,  TRUE ~  0),
+                                       E = case_when(tags == 'E' ~ 1,  TRUE ~ 0),
+                                       AB = case_when(tags == 'AB' ~ 1,  TRUE ~ 0)) %>% 
+   group_by(id) %>% mutate(tags = toString(tags)) %>% group_by(id, tags) %>% summarise(across(A:AB, sum))
`summarise()` regrouping output by 'id' (override with `.groups` argument)
# A tibble: 5 x 7
# Groups:   id [5]
     id tags            A     B     C     E    AB
  <int> <chr>       <dbl> <dbl> <dbl> <dbl> <dbl>
1     1 A, B, AB, C     1     1     1     0     1
2     2 C               0     0     1     0     0
3     3 AB, E           0     0     0     1     1
4     4 NA              0     0     0     0     0
5     5 B, C            0     1     1     0     0
>

【讨论】：

【解决方案2】：

这里有一个解决方案：

library(dplyr)
library(stringr)
library(magrittr)
library(tidyr)

#Data
df <- data.frame(id = 1:5, tags = c("A,B,AB,C", "C", "AB,E", NA, "B,C"))

#Separate into rows
df %<>% mutate(t2 = tags) %>% separate_rows(t2, sep = ",")

#Create a presence/absence column
df %<>% mutate(pa = 1)

#Pivot wider and use the presence/absence
#column as entries; fill with 0 if absent
df %<>% pivot_wider(names_from = t2, values_from = pa, values_fill = 0)

df
# # A tibble: 5 x 8
#      id tags         A     B    AB     C     E  `NA`
#   <int> <chr>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1     1 A,B,AB,C     1     1     1     1     0     0
# 2     2 C            0     0     0     1     0     0
# 3     3 AB,E         0     0     1     0     1     0
# 4     4 NA           0     0     0     0     0     1
# 5     5 B,C          0     1     0     1     0     0

编辑：更新代码以使其能够保留标签列。对不起。

【讨论】：