Question

我需要创建一个新的数据框 nDF ，它会对所有分类变量进行二值化，同时保留数据框 DF 中的所有其他变量。例如，我有以下特征变量：RACE（4种类型）和AGE，以及一个名为CLASS的输出变量。

DF =

              RACE     AGE (BELOW 21)      CLASS
Case 1    HISPANIC                  0          A
Case 2       ASIAN                  1          A
Case 3    HISPANIC                  1          D
Case 4   CAUCASIAN                  1          B

我希望将其转换为具有五（5）个变量或四（4）偶数的nDF：

          RACE.1    RACE.2    RACE.3      AGE (BELOW 21)     CLASS
Case 1         0         0         0                   0         A
Case 2         0         0         1                   1         A
Case 3         0         0         0                   1         D
Case 4         0         1         0                   1         B

我熟悉变量 DF $ RACE的治疗对比。但是，如果我实施

contrasts(DF$RACE) = contr.treatment(4)

我得到的仍然是三个变量的 DF ，但变量 DF $ RACE具有属性＆＃34;对比。＆＃34;

我最终想要的是一个新的数据框 nDF ，如上图所示，但如果一个人拥有大约50个特征变量，其中超过五（5）个特征变量可能非常繁琐。是分类变量。

Answer 1

dd <- read.table(text="
   RACE        AGE.BELOW.21     CLASS
   HISPANIC          0          A
   ASIAN             1          A
   HISPANIC          1          D
   CAUCASIAN         1          B",
  header=TRUE)


  with(dd,
       data.frame(model.matrix(~RACE-1,dd),
                  AGE.BELOW.21,CLASS))
 ##   RACEASIAN RACECAUCASIAN RACEHISPANIC AGE.BELOW.21 CLASS
 ## 1         0             0            1            0     A
 ## 2         1             0            0            1     A
 ## 3         0             0            1            1     D
 ## 4         0             1            0            1     B

公式~RACE-1指定R应该从RACE变量创建虚拟变量，但是抑制截距（以便每列表示观察是否来自指定的类别）;没有-1的默认值是使第一列成为截距项（全部为1），从模型矩阵中省略基线级别（因子的第一级）的虚拟变量。

更一般地说，您可能需要类似

的内容

 dd0 <- subset(dd,select=-CLASS)
 data.frame(model.matrix(~.-1,dd0),CLASS=dd$CLASS)

请注意，当您有多个分类变量时，如果您想为每个变量设置完整的虚拟变量，那么您将需要一些有点棘手的事情。我会想cbind()将单独的模型矩阵放在一起，但我认为还有一些技巧可以让我忘记这一切......

[R] |中的单热编码分类为虚拟变量

1 个答案: