目标:清理一个数据框,其中包含一个列(让我们称之为v1),每个单元格中包含一个或(通常)多个值。我想根据v1中单元格中包含的值生成多个二进制变量(例如:v1_1,v1_2,v1_3)。 (现实:我有一个来自其他地方的非常大,丑陋的excel数据集,其中许多单元格具有多个值,并且希望有效地将它们排序为二进制列,理想情况下使用tidyverse工具,但基础也适用)。
可重复的例子:
df <- data.frame(caseID = c(1:5),
v1 = c(2, 1, "1,3", 1, "2, 3"))
df
desired_df <- data.frame(caseID = c(1:5),
v1_1 = c(0, 1, 1, 1, 0),
v1_2 = c(1, 0, 0, 0, 1),
v1_3 = c(0, 0, 1, 0, 1))
desired_df
答案 0 :(得分:2)
使用dplyr
和tidyr
的解决方案。
library(dplyr)
library(tidyr)
df2 <- df %>%
separate_rows(v1) %>%
mutate(Value = 1) %>%
spread(v1, Value, fill = 0) %>%
rename_at(vars(-caseID), funs(paste0("v1_", .)))
df2
# caseID v1_1 v1_2 v1_3
# 1 1 0 1 0
# 2 2 1 0 0
# 3 3 1 0 1
# 4 4 1 0 0
# 5 5 0 1 1