Question

我有一个像这样的数据框

df <-data.frame(id = c(1,2),
                value = c(25,24),
                features = c("A,B,D,F","C,B,E"))

print(df)

id,value,features
1,25,"A,B,D,F"
2,24,"C,B,E"

我想重塑它：

id,value,A,B,C,D,E,F
1,25,1,1,0,1,0,1
2,24,0,1,1,0,1,0

我猜测第一步是识别df$features列中的唯一值，但是一旦我有了这个列表，我就不确定什么是有效的（即矢量化）创建最终数据集的方法是。

这感觉就像是dplyr或reshape2的操作，但我不确定如何处理此问题。

Answer 1

这是适当转换后merge的另一个用例。

library(reshape2)
f<-with(df,stack(setNames(strsplit(as.character(features),","),id)))
d<-dcast(f,ind~values,length,value.var="ind")
out<-merge(df[,1:2],d,by.x="id",by.y="ind")

print(out)

  id value A B C D E F
1  1    25 1 1 0 1 0 1
2  2    24 0 1 1 0 1 0

这也可以使用默认库（没有reshape2）以各种稍微混乱的方式完成。在上文中，您可以使用以下内容替换d和out行：

d<-xtabs(count~ind+values,transform(f,count=1))
out<-merge(df[,1:2],as.data.frame.matrix(d),by.x="id",by.y="row.names")

Answer 2

你可以这样做：

library(splitstackshape)
library(qdapTools)

df1 = data.frame(cSplit(df, 'features', sep=',', type.convert=F))
cbind(df1[1:2], mtabulate(as.data.frame(t(df1[-c(1,2)]))))

#   id value A B C D E F
#1:  1    25 1 1 0 1 0 1
#2:  2    24 0 1 1 0 1 0

Answer 3

使用splitstackshape和data.table的另一个人（安装说明here）：

require(splitstackshape)
require(data.table) # v1.9.5+
ans <- cSplit(df, 'features', sep = ',', 'long')
dcast(ans, id + value ~ features, fun.aggregate = length)
#    id value A B C D E F
# 1:  1    25 1 1 0 1 0 1
# 2:  2    24 0 1 1 0 1 0

如果您正在使用data.table v1.9.4，请将dcast替换为dcast.data.table。

或者，您可以使用cSplit_e，如下所示：

cSplit_e(df, "features", ",", type = "character", fill = 0)
##   id value features features_A features_B features_C features_D features_E features_F
## 1  1    25  A,B,D,F          1          1          0          1          0          1
## 2  2    24    C,B,E          0          1          1          0          1          0

Answer 4

dplyr / tidyr解决方案

library(dplyr)
library(tidyr)

separate(df,features,1:4,",",extra="merge") %>%
  gather(key,letter,-id,-value) %>%
  filter(!is.na(letter)) %>%
  select(-key) %>%
  mutate(n=1) %>%
  spread(letter,n) %>%
  mutate_each(funs(ifelse(is.na(.),0,1)),A:F)

重塑data.frame，使包含多个功能的列成为多个二进制列

4 个答案: