Question

我有一个包含77列的数据集，其中一些具有分类值（例如，“性取向”列可以具有以下值之一：“异性恋”，“同性恋”，“双性恋”，“其他” ，'NA'）。（在重塑数据框之后，我还将估算一些NA）。

我想将此数据集转换为仅具有二进制值的数据集。因此，例如，我希望将以上列分为4个不同的列，分别是：

Heterosexual    Homosexual    Bisexual     Other
1               0             0            0

或者，如果我有NA行，则希望将其表示为以下内容：

Heterosexual    Homosexual    Bisexual     Other
NA              NA            NA           NA

此外，我还有“性别”之类的“二进制”变量（我只有“男性”和“女性”值），并且我希望将此列拆分为两个不同的列，如下所示：

Male   Female
0      1

，或者在不适用的情况下：

Male   Female
NA     NA

有没有可以用来执行此操作的功能？我的教授告诉我，“重塑”功能可以帮助我完成此操作，但我在使用它时遇到了一些麻烦，我认为它不起作用。

能给我提些建议吗？预先谢谢你

Answer 1

您要创建的对象称为虚拟变量，R中的变量是使用model.matrix()创建的。但是，您的特定应用程序有点特殊，因此需要一些额外的摆弄。

dtf <- data.frame(id=20:24, 
                  f=c("a", "b", "c", "a", "b"), 
                  g=c("A", "C", NA, "B", "A"),
                  h=c("P", "R", "Q", NA, "Q"))

# (the first column is not a categorical variable, hence not included)
dtf2 <- dtf[-1]

# Pre-allocate a list of the appropriate length
l <- vector("list", ncol(dtf2))

# Loop over each column in dtf2 and 
for (j in 1:ncol(dtf2)) {
    # Make sure to include NA as a level 
    data <- dtf2[j]
    data[] <- factor(dtf2[,j], exclude=NULL)

    # Generate contrasts that include all levels
    cont <- contrasts(data[[1]], contrasts=FALSE)

    # Create dummy variables using the above contrasts, excluding intercept
    # Formula syntax is the same as in e.g. lm(), except the response
    # variable (term to the left of ~) is not included. 
    # '-1' means no intercept, '.' means all variables
    modmat <- model.matrix(~ -1+., data=data, contrasts.arg=cont)

    # Find rows to fill with NA
    nacols <- grep(".*NA$", colnames(modmat))

    # Only do the operations if an NA-column was found
    if (length(nacols > 0)) {
       narows <- rowSums(modmat[, nacols, drop=FALSE]) > 0
       modmat[narows,] <- NA
       modmat <- modmat[,-nacols]
    }

    l[[j]] <- modmat
}

data.frame(dtf[1], do.call(cbind, l))
#   id fa fb fc gA gB gC hP hQ hR
# 1 20  1  0  0  1  0  0  1  0  0
# 2 21  0  1  0  0  0  1  0  0  1
# 3 22  0  0  1 NA NA NA  0  1  0
# 4 23  1  0  0  0  1  0 NA NA NA
# 5 24  0  1  0  1  0  0  0  1  0

将数据框从分类变量重塑为仅二进制变量

1 个答案: