将因子变量转换为N个二进制变量[重复]

Question

我有一个如下所示的数据框

id <- c(1,1,1,2,2,2,1,3,4,4)
product <- c("a","b","c","a","d","f","e","f","e","f") 
df <- data.frame(id,product)

   id product
1   1       a
2   1       b
3   1       c
4   2       a
5   2       d
6   2       f
7   1       e
8   3       f
9   4       e
10  4       f

我想将其转换为如下数据框。

id a b c d e f
1  1 1 1 0 1 0
2  1 0 0 1 0 1
3  0 0 0 0 0 1
4  0 0 0 0 1 1

基本上，每个 id 只需要一条记录，记录应包含 0 或 1，具体取决于是否购买了产品。我使用了model.matrix，但它没有按id分组，我得到了10行，就像在原始数据集中一样。

Answer 1

as.data.frame.table（当你 as.data.frame 一个表格时，它被称为）相当合理地将表格转换为长格式。为了防止这种情况，您需要将其视为矩阵：

 as.data.frame.matrix(table(df))
  a b c d e f
1 1 1 1 0 1 0
2 1 0 0 1 0 1
3 0 0 0 0 0 1
4 0 0 0 0 1 1

Answer 2

一个选项取决于 reshape2，还有许多其他选项可能/可能不需要一些按摩：

> reshape2::dcast(data = df,formula = id~product,fun.aggregate = length,fill = 0L)
Using product as value column: use value.var to override.
  id a b c d e f
1  1 1 1 1 0 1 0
2  2 1 0 0 1 0 1
3  3 0 0 0 0 0 1
4  4 0 0 0 0 1 1

Answer 3

reshape 命令很灵活，类似于 PROC TRANSPOSE 及其所有特性。它将为您提供id 作为输出中的变量，缺失值是输出数据集中的未编码级别。这很容易处理并且可以反映真实数据（例如，表示负 (0) 条件的数据不存在不是输出中不存在的数据）。

df$ind <- 1

reshape(df, direction='wide', timevar='product', idvar='id')

给予

> reshape(df, direction='wide', timevar='product', idvar='id')
  id ind.a ind.b ind.c ind.d ind.f ind.e
1  1     1     1     1    NA    NA     1
4  2     1    NA    NA     1     1    NA
8  3    NA    NA    NA    NA     1    NA
9  4    NA    NA    NA    NA     1     1

R 可以轻松完成剩下的工作。

aggregate 提供类似的功能：

'聚合(df$product, df[, 'id', drop=F], table)'

给予

> aggregate(df$product, df[, 'id', drop=F], table)
  id x.a x.b x.c x.d x.e x.f
1  1   1   1   1   0   1   0
2  2   1   0   0   1   0   1
3  3   0   0   0   0   0   1
4  4   0   0   0   0   1   1

R 可以轻松完成剩下的工作。

Answer 4

查看table 函数的帮助。

table(id,product)

要将其转换为数据框，请使用

as.data.frame.matrix(table(id,product))

我在Rronan 的博客文章中发现了这个提示。