如何在 R 中创建一个虚拟变量？答案

【问题标题】：How do I make a dummy variable in R?如何在 R 中创建一个虚拟变量？
【发布时间】：2012-10-11 15:42:22
【问题描述】：

所以，我的数据集包含 15 个变量，其中一个（性别）只有 2 个级别。我想将其用作虚拟变量，但级别为 1 和 2。我该怎么做？我想要 0 和 1 级，但我不知道如何在 R 中管理这个！

【问题讨论】：

听起来像我在这里问的这个问题：stackoverflow.com/questions/11970611/…
如果你把它变成一个因子并放入一个模型中，R 会为你处理这些脏活。
@TylerRinker 对于 lm 和 aov 是这样，也许对于其他人来说，但并非总是如此。我正在使用 daisy，但它不会自动执行此操作： daisy(train.X, metric = "gower", type = list(symm = 1:symm_bin_len)) 中的错误：至少一个二进制变量具有 2 个以上的级别。

【解决方案1】：

使用带有公式接口的大多数 R 建模工具，您无需创建虚拟变量，处理和解释公式的基础代码将为您完成此操作。如果您出于其他原因想要一个虚拟变量，那么有几种选择。最简单的（恕我直言）是使用model.matrix()：

set.seed(1)
dat <- data.frame(sex = sample(c("male","female"), 10, replace = TRUE))

model.matrix( ~ sex - 1, data = dat)

给出：

> dummy <- model.matrix( ~ sex - 1, data = dat)
> dummy
   sexfemale sexmale
1          0       1
2          0       1
3          1       0
4          1       0
5          0       1
6          1       0
7          1       0
8          1       0
9          1       0
10         0       1
attr(,"assign")
[1] 1 1
attr(,"contrasts")
attr(,"contrasts")$sex
[1] "contr.treatment"

> dummy[,1]
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0

您可以使用dummy 的任一列作为数字虚拟变量；选择您希望作为基于1 的级别的任何列。 dummy[,1]选择1代表女班，dummy[,2]男班。

如果您希望将其解释为分类对象，请将其作为一个因素：

> factor(dummy[, 1])
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0 
Levels: 0 1

但那是在击败因素的对象； 0又是什么？

【讨论】：

【解决方案2】：

打这个

set.seed(001) # generating some data
sex <- factor(sample(1:2, 10, replace=TRUE)) # this is what you have
[1] 1 1 2 2 1 2 2 2 2 1
Levels: 1 2

sex<-factor(ifelse(as.numeric(sex)==2, 1,0)) # this is what you want
sex  
 [1] 0 0 1 1 0 1 1 1 1 0
Levels: 0 1

如果您希望标签为 0 = 男性和 1 = 女性，那么...

sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F')) 
sex # this is what you want
[1] M M F F M F F F F M
Levels: M F

其实你不需要创建一个虚拟变量来使用lm估计一个模型，让我们看看这个例子：

set.seed(001) # Generating some data
N <- 100
x <- rnorm(N, 50, 20)
y <- 20 + 3.5*x + rnorm(N)
sex <- factor(sample(1:2, N, replace=TRUE))

# Estimating the linear model 
lm(y ~ x + sex) # using the first category as the baseline (this means sex==1)

Call:
    lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sex2  
   19.97815      3.49994     -0.02719     


# renaming the categories and labelling them
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F'))
lm(y ~ x + sex)  # the same results, baseline is 'Male'

Call:
lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sexF  
   19.97815      3.49994     -0.02719

如您所见，R 可以很好地处理假人，您只需将它们作为 factor 变量传递到公式中，R 将为您完成剩下的工作。

顺便说一句，无需将类别从 c(2,1) 更改为 c(0,1)，结果将与您在上面的示例中看到的相同。

【讨论】：

【解决方案3】：

正如上面许多人所建议的，把它变成因素。

如果您真的想对性别变量进行虚拟编码，请考虑这个

set.seed(100)
gender = rbinom(100,1,0.5)+1
gender_dummy = gender-1

【讨论】：