Question

我的数据有形

Event Id Var1 Var2 Var3
1      a   x    w    y
2      a   z    y    w
3      b   x    y    q

，我需要考虑表Var1，Var2和Var3中出现的所有值，为表中的每一行创建多热编码矢量。这意味着所需的输出将是：

Event Id  x  y  z  w  q
1      a  1  1  0  1  0
2      a  0  1  1  1  0
3      b  1  1  0  0  1

意思是我保持初始数据集的行数相同，所以我只为每行添加等于Var 1，Var 2和Var3中所有唯一因子的列数。

我尝试了所有我能想到的方法，但到目前为止似乎没有任何效果。

有什么主意吗？

Answer 1

我们可以将spread转换为'long'格式，然后执行library(tidyverse) gather(df1, key, val, Var1:Var3) %>% mutate(n = 1) %>% select(-key) %>% spread(val, n, fill = 0)

library(qdapTools)
cbind(df1[1:2], +(mtabulate(df1[-(1:2)]) > 0))

或者以紧凑的方式

{{1}}

Answer 2

您可以使用data.table-

dt <- read.table(text="Event Id Var1 Var2 Var3
1      a   x    w    y
2      a   z    y    w
3      b   x    y    q",header=T)

setDT(dt)
dcast(setDT(melt(dt,id.vars = c("Event","Id")))[,ind:=1],Event+Id~value,value.var = "ind",fill=0)

输出-

   Event Id Var1 Var2 Var3 q w x y z
1:     1  a    1    1    1 0 1 1 1 0
2:     2  a    1    1    1 0 1 0 1 1
3:     3  b    1    1    1 1 0 1 1 0

多列之间的R多热编码

2 个答案: