r - 将列中的独特特征转换为变量名称并将原始特征虚拟编码为 R 中的变量

Question

如何对以下数据集进行虚拟编码存在问题。

示例数据，假设 dataframe = mydata:

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

我只想将 NAMES 中的唯一变量转换为列变量和代码，如果每一行都有该变量，即 1 或 0

期望输出:

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建了一个独特的向量

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)]

这产生了一个唯一的 NAMES 向量，其中删除了空格/不规则性。从那里我不知道如何进行匹配/虚拟编码，因此将不胜感激!

Answer 1

您可以使用我的“splitstackshape”包中的 cSplit_e，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

如果您想查看使用这些参数时调用的底层函数，可以查看 splitstackshape:::charMat ，它采用 list 生成的 strsplit 并从中创建 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