r 将一串数据拆分成多列，按各个变量排序

Question

这个问题在这里已经有了答案:





Split string column to create new binary columns

(8 个回答)


4 天前关闭。




我有一个关于清理杂乱数据的简单问题。我有一个通过电子邮件发送给我的数据集，其中包含多列，每列包含一个逗号分隔的数字字符串。传统上，这些数字中的每一个都应该是它自己的变量，但这不是这些数据集提供给我的方式。以下是一些数据的示例:

indication  treatment
     1,2     3
       2    2,1
      1,3   2,3

请想象这些数据集包含近 100 个这样的列和数千行，以及这些列中的每一列中不同数量的变量。我的目标是导入这样的数据集，然后拆分每一列，使字符串中的每个变量都在自己的列中，但每列的拆分方式是每个唯一变量都排序到自己的列中。像这样:

indication_1    indication_2    indication_3    treatment_1 treatment_2 treatment_3
1   1   0   0   0   1
0   1   0   1   1   0
1   0   1   0   1   1

请注意，列标题已更改，数值被列为二进制 0 或 1，其中 1 表示存在变量。

我遇到了问题，因为我一直在尝试的拆分函数要求我知道我需要多少列，然后在拆分后不要将变量排序到它们自己的列中。它变得非常复杂，需要我为包含字符串的每个单独列编写单独的代码。

Id 就像一个函数，它可以采用包含字符串的列，将数据拆分为单独的排序列，使这些列成为二进制是或否，然后更改列名以指示原始列名和该列中的变量。我希望这适用于任何数据列，因此我不必重写或修改单个列的函数(假设所有列都是带有字符标题的数字字符串)。

提前致谢。

Answer 1

我们可以做一个 strsplit然后用 mtabulate获取频率

library(qdapTools)
do.call(cbind, lapply(df, function(x) mtabulate(strsplit(x, ","))))
#    indication.1 indication.2 indication.3 treatment.1 treatment.2 treatment.3
#1            1            1            0           0           0           1
#2            0            1            0           1           1           0
#3            1            0            1           0           1           1