Question

我的问题有点像this，但数据结构的问题却有所不同：

示例数据：

df  <-data.frame(id = c(1,2,3), stock_1 = c("Google","Microsoft","Yahoo"), stock_2 = c("Yahoo","Google","NA"))

我想转换成这个：

df  <-data.frame(id = c(1,2,3), Google = c(1,1,0), Microsoft = c(0,1,0), Yahoo= c(1,0,1))

我尝试使用sapply()，但从链接问题的答案来看，它只适用于一列。

Answer 1

以下是使用data.table：

执行此操作的方法

library(data.table)
setDT(df)
dcast(melt(df, id = 'id')[value != 'NA'],
      id ~ value, fun.aggregate = length)
#    id Google Microsoft Yahoo
# 1:  1      1         0     1
# 2:  2      1         1     0
# 3:  3      0         0     1

fill = 0是不必要的，为了容忍重复，我们可以尝试：

dcast(melt(df, id = 'id')[value != 'NA'],
      id ~ value, fun.aggregate = function(x){ 1 * (length(x) != 0)})

2017年1月1日

正如Uwe所说，我们可以通过设置NA从na.rm = TRUE中删除它，如果它不是硬编码为字符串（"NA"），命令最终会看起来这样：

dcast(melt(df, id = 'id', na.rm = TRUE), id ~ value, fun.aggregate = length)
# or
dcast(melt(df, id = 'id', na.rm = TRUE),
      id ~ value, fun.aggregate = function(x){ 1 * (length(x) != 0)})

Answer 2

我们也可以使用tidyverse

执行此操作

library(tidyverse)
df %>%
   gather(key, val, -id) %>% 
   filter(!is.na(val)) %>% 
   mutate(ind = 1)  %>%
   select(-key) %>% 
   spread(val, ind, fill = 0)

注意：最好使用NA代替"NA"，因为我们可以使用is.na或na.omit或complete.cases

布尔转换的许多列中的因素

2 个答案: