将逗号分隔的字符串拆分为布尔列答案

【问题标题】：Split comma-separated strings into boolean columns将逗号分隔的字符串拆分为布尔列
【发布时间】：2014-10-24 23:53:42
【问题描述】：

我有：

id choice
----------
1  "a,b,c"
2  "c"
3  "a,c"
4  "b,c"

我需要

id a b c
---------
1  1 1 1
2  0 0 1
3  0 0 1
4  0 1 1

（或等效的 TRUE/FALSE 值）

有没有办法在 R 中做到这一点？我已经查看了strsplit，但这似乎没有帮助。

【问题讨论】：

标签： r

【解决方案1】：

这正是我的“splitstackshape”包中的cSplit_e 的设计目的。

library(splitstackshape)
cSplit_e(DF, "choice", sep = ",", mode = "binary", 
         type = "character", fill = 0, drop = TRUE)
#   id choice_a choice_b choice_c
# 1  1        1        1        1
# 2  2        0        0        1
# 3  3        1        0        1
# 4  4        0        1        1

这使用来自@G.Grothendieck 的答案的DF 作为输入：

Lines <- 'id choice
----------
1  "a,b,c"
2  "c"
3  "a,c"
4  "b,c"'
DF <- read.table(text = Lines, header = TRUE, comment = "-", as.is = TRUE)

【讨论】：

谢谢！ splitstackshape 很棒。
cSpit 是一个非常好的函数系列，非常适合整理讨厌的数据类型。干得好+1

【解决方案2】：

试试这个：

txt = 'id choice
----------
1  "a,b,c"
2  "c"
3  "a,c"
4  "b,c"'

library(dplyr)

txt %>% textConnection %>% 
  read.table(skip = 2, stringsAsFactors = FALSE) %>%
  select(V2) %>% unlist %>%
  strsplit("[,]") %>%
  lapply(function(x) data.frame(t(table(c(x, "a", "b", "c"))>1))) %>%
  rbind_all

然后你会得到

Source: local data frame [4 x 3]

      a     b    c
1  TRUE  TRUE TRUE
2 FALSE FALSE TRUE
3  TRUE FALSE TRUE
4 FALSE  TRUE TRUE

【讨论】：

【解决方案3】：

这假设像 @kohske 所做的那样，您的数据实际上看起来就像您提供的那样。如果没有请以后使用dput分享数据：

txt = 'id choice
----------
1  "a,b,c"
2  "c"
3  "a,c"
4  "b,c"'

dat <- setNames(read.table(text=txt, skip = 2, stringsAsFactors = FALSE), 
    strsplit(strsplit(txt, "\n")[[1]][1], "\\s+")[[1]]
)

library(qdapTools)

matrix2df(mtabulate(unlist(lapply(split(dat[[2]], dat[[1]]), 
    strsplit, ",\\s*"), recursive=FALSE)), "id")

我讨厌嵌套调用，因为我熟悉了magrittr 的管道 %>% 所以这里使用的是管道：

library(magrittr)

txt %>% read.table(text=., skip = 2, stringsAsFactors = FALSE) %>%
    setNames(strsplit(strsplit(txt, "\n")[[1]][1], "\\s+")[[1]]) %>%
    with(split(choice, id)) %>%
    lapply(strsplit, ",\\s*") %>%
    unlist(recursive=FALSE) %>%
    mtabulate %>%
    matrix2df("id")

##   id a b c
## 1  1 1 1 1
## 2  2 0 0 1
## 3  3 1 0 1
## 4  4 0 1 1

【讨论】：

【解决方案4】：

使用strsplit 拆分choice 创建s 并将DF$id 作为名称。从s 提取所有级别的向量all_lev。然后sapply 是s 之上的一个函数，它从s 的每个组件创建一个因子并在其上运行table。最后转置。

s <- setNames( strsplit(DF$choice, ","), DF$id )
all_lev <- sort(unique(unlist(s)))
m <- t(sapply(s, function(x) table(factor(x, lev = all_lev))))

这给出了以下矩阵，其中行名是 id：

如果您更喜欢数据框，请使用上面的m：

data.frame(id = rownames(m), m)

注意 1：如果我们知道级别总是"a"、"b" 和"c"，那么我们可以将all_lev硬编码为：

s <- setNames( strsplit(DF$choice, ","), DF$id )
m <- t(sapply(s, function(x) table(factor(x, lev = c("a", "b", "c")))))

注意 2：我们假设 DF 是这样的：

Lines <- 'id choice
----------
1  "a,b,c"
2  "c"
3  "a,c"
4  "b,c"'
DF <- read.table(text = Lines, header = TRUE, comment = "-", as.is = TRUE)

更新缩短答案。

【讨论】：