Question

我有一个带有“genre”列的数据集，通常有多个类型由“|”分隔。例如：

   Movie Genre 
    M1   Comedy|Drama
    M2   Romance|Drama|Sci-fi

我想将这些类型分成二进制列，以便类型列变为多列，如下所示：

   Movie Comedy Drama Romance Sci-fi
    M1     1     1      0      0  
    M2     0     1      0      1

Answer 1

您可以使用strsplit拆分流派列，但请务必双重转义特殊字符＆＃34; |＆＃34;。例如：

dat <- data.frame(Movie = c("M1", "M2"), 
                  Genre = c("Comedy|Drama", "Romance|Drama|Sci-fi"), 
                  stringsAsFactors = FALSE)
genre_list <- strsplit(dat$Genre, split = "\\|")
unique_genres <- unique(unlist(genre_list, use.names = FALSE))
binary_genres <- t(sapply(genre_list, function(e) unique_genres %in% e))
mode(binary_genres) <- "integer"
colnames(binary_genres) <- unique_genres
out <- cbind(dat[1], binary_genres)
out

这将结果作为具有二进制响应变量的数据框

Movie Comedy Drama Romance Sci-fi
M1      1     1       0      0
M2      0     1       1      1

Answer 2

您还可以使用separate_rows包在|和spread数据框中尝试tidyr：

library(tidyr)
df %>% 
  separate_rows(Genre, sep = "[|]") %>%
  mutate(Value = 1) %>%
  spread(Genre, Value) %>%
  mutate_at(vars(2:5), funs(coalesce(., 0)))

这给出了：

  Movie Comedy Drama Romance Sci-fi
1    M1      1     1       0      0
2    M2      0     1       1      1

按“|”拆分列

2 个答案: