将字符串重新编码为二进制矩阵答案

【问题标题】：Recode string into a binary matrix将字符串重新编码为二进制矩阵
【发布时间】：2017-11-02 19:42:55
【问题描述】：

我想将一些字符串重新编码为二进制模式，以便在 R 中将它们编码为矩阵。假设我在数据框中有以下字符串：

strings  code
ABC       1
BCA       2
CAB       1

提取它们后，我有以下字符串：

“ABC” “BCA” “驾驶室”

我想实现下一个转换：

A = 100
B = 010
C = 001

这样将“ABC”转换为下一个矩阵

100
010
001

于是，“BCA”变成了：

010
001
100

和“CAB”成：

001
100
010

并且，经过这个转换，得到一个“ABC”的向量，即：

100010001

代表ABC，以此类推。

基本上，我想做的是为字母字符定义一个带有二进制字典的算法，以便它使用 R 将每个字母转换为二进制序列。

我尝试了一些方法，但无法获得好的功能...

有什么帮助吗？

【问题讨论】：

标签： r matrix binary

【解决方案1】：

制作一个命名向量，然后拆分匹配。

dictionary <- setNames(c("100", "010", "001"), LETTERS[1:3])

x <- c("ABC", "BCA", "CAB")

sapply(strsplit(x, ""), function(i)
  paste(dictionary[ i ], collapse = ""))

# [1] "100010001" "010001100" "001100010"

或者不创建自定义字典，为什么不使用真正的二进制文件？

sapply(x, function(i)
  paste(rawToBits(charToRaw(i)), collapse = ""))

# ABC 
# "010000000000010000010000000001000101000000000100" 
# BCA 
# "000100000000010001010000000001000100000000000100" 
# CAB 
# "010100000000010001000000000001000001000000000100"

【讨论】：

【解决方案2】：

我们可以使用gsub。创建一个键/值list（'lst'），遍历'lst'的序列，使用gsub匹配'lst'的names，替换为'value'并赋值给“字符串”列

lst <- list(A = '100', B = '010', C = '001')
for(i in seq_along(lst)) df1$strings <- gsub(names(lst)[[i]], lst[[i]], df1$strings)
df1
#    strings code
#1 100010001    1
#2 010001100    2
#3 001100010    1

【讨论】：