我有一个看起来像这样的数据
id var1 var2 var3 response var4
1 1 0 cat1 E 1 T4
2 1 0 cat1 E 1 T2
3 2 0 cat2 B 1 <NA>
4 3 0 cat3 C 0 <NA>
5 4 0 cat4 D 0 T3
6 4 0 cat4 D 0 T1
7 5 1 cat1 A 1 T4
8 5 1 cat1 A 1 T3
9 6 1 cat3 C 1 T3
10 7 0 cat1 C 0 T1
我想为因变量"response"
因为您可以看到ID不是唯一的,因为每个ID可以为“var4”带来多个值,
为此我尝试了model.matrix
,但它没有保留Id,因此很难检查结果,
我确信有一种简单的方法可以做到这一点,有人可以帮忙吗?
生成您可以使用的上述数据
# GENERATING THE FIRST DATA FRAME
set.seed(1984)
df1 <- data.frame(id = 1:15,
var1 = sample(0:1, 15, replace = T, prob = c(.7,.3)),
var2 = sample(c('cat1','cat2', 'cat3','cat4'),15, replace = T),
var3 = sample(LETTERS[1:5],15, replace = T ),
response = sample(0:1, 15, replace = T)
)
# GENERATING THE 2ND DATA FRAME
set.seed(1984)
df2 <- data.frame(id = sample(1:15, 20, replace = T),
var4 = sample(c('T1','T2','T3','T4'), 20, replace = T))
df2 <- unique(df2[order(df2$id), ])
row.names(df2) <- NULL
# MERGING THE TWO
df3 <- merge(df1, df2, by = 'id', all = T )
df3
答案 0 :(得分:1)
我会使用reshape2包中的dcast重塑数据。这将重塑您的数据,因此在将数据帧送入model.matix之前,每个id都在一行上并且一个热编码var4。使用您的最小工作示例,这将是:
library(reashpe2)
newDF <- dcast(df3, ...~var4,function(x) length(x))
model.matrix(response ~., newDF)