将列中的唯一要素转换为变量名称,并将原始要素虚拟编码为R中的变量

Question

遇到如何虚拟编码以下数据集的问题.

示例数据,比方说dataframe = mydata:

ID |     NAMES      |
-- | -------------- |
1  | 4444, 333, 456 |
2  | 333            |
3  | 456, 765       |

我想只将NAMES中的唯一变量作为列变量和代码转换为每行是否具有该变量,即1或0

期望的输出:

ID |     NAMES      | 4444 | 333 | 456 | 765 |
-- | -------------- |------|-----|-----|-----|
1  | 4444, 333, 456 |   1  |  1  |  1  |   0 |
2  | 333            |   0  |  1  |  0  |   0 |
3  | 456, 765       |   0  |  0  |  1  |   1 |

到目前为止我所做的是创造了一个独特的矢量

split <- str_split(string = mydata$NAMES,pattern = ",")

vec <- unique(str_trim(unlist(split)))
remove <- ""
vec <- as.data.frame(vec[! vec %in% remove])
colnames(vec) <- "var"
vecRef <- as.vector(vec$var)

namesCast <- dcast(data = vec,formula = .~var)
namesCast <- nameCast[,2:ncol(namesCast)]

这产生了具有空间/不规则性的独特NAMES的矢量.从那里我不知道如何进行匹配/虚拟编码,所以任何帮助将不胜感激!

Answer 1

您可以使用cSplit_e我的"splitstackshape"包,如下所示:

library(splitstackshape)
cSplit_e(mydata, "NAMES", sep = ",", type = "character", fill = 0)
#   ID          NAMES NAMES_333 NAMES_4444 NAMES_456 NAMES_765
# 1  1 4444, 333, 456         1          1         1         0
# 2  2            333         1          0         0         0
# 3  3       456, 765         0          0         1         1

如果要查看使用这些参数时调用的基础函数,可以查看splitstackshape:::charMat,它list生成strsplit并生成一个matrix.

直接调用函数会给你这样的东西:

splitstackshape:::charMat(
  lapply(strsplit(as.character(mydata$NAMES), ","), 
         function(x) gsub("^\\s+|\\s$", "", x)))
#      333 4444 456 765
# [1,]   1    1   1  NA
# [2,]   1   NA  NA  NA
# [3,]  NA   NA   1   1