Question

我需要将调查数据框中的少量分类变量转换为虚拟变量。变量按类型（例如食物类型）分组，并且在每种类型调查中，受访者对他们的第一，第二和第三偏好进行排名。每种类型的可用选择列表类似但不相同。我的问题是我想强制类别选择的超集在每种情况下都是虚拟编码。

set.seed(1)
d<-data.frame(foodtype1rank1=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype1rank2=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype1rank3=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype2rank1=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype2rank2=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype2rank3=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype3rank1=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T),
              foodtype3rank2=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T),
              foodtype3rank3=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T))

总结一下，model.matrix（）将为任何单个变量创建虚拟变量：

model.matrix(~d[,1]-1)
  d[, 1]cabbage d[, 1]noodles d[, 1]pork d[, 1]rice
1             0             0          0          1
2             0             0          0          1
3             1             0          0          0
4             0             0          1          0
5             0             1          0          0

或通过sapply（）获取所有变量：

sapply(d,function(x) model.matrix(~x-1))

当然，model.matrix（）只会分别考虑每个因素中存在的级别。但我想强制要求为每种类型包括完整的食物类型：面条，米饭，卷心菜，猪肉，金枪鱼，鲭鱼。在这个例子中，它将生成54个虚拟变量（3种类型×3级×6类）。我假设我会以某种方式明确地将整个集合传递给model.matrix（），但是无法看到。

最后，我知道R模型在内部自动伪代码因素，但我仍然需要这样做，包括在R外部导出。

Answer 1

实现这一目标的最佳方法是明确指定每个因素的级别：

d$foodtype1rank1=factor(sample(c('noodles','rice','cabbage','pork'), 5, replace=T), 
                        levels=c('noodles','rice','cabbage','pork','mackerel'))

当你知道数据时，这总是很好的做法。

强制R中的model.matrix（）使用给定的一组级别

1 个答案: