我有一个这样的字符向量：
a <- c("a,b,c", "a,b", "a,b,c,d")
我想做的是创建一个数据框，其中每个字符串中的单个字母由虚拟列表示：
a b c d
1] 1 1 1 0
2] 1 1 0 0
3] 1 1 1 1
我觉得我需要使用read.table 和reshape 的某种组合，但我真的很挣扎。任何和帮助表示赞赏。
【问题讨论】：
read.table加上某种形式的“重塑”方式，但你可能会继续挣扎:-)
你可以试试我的“splitstackshape”包中的cSplit_e：
library(splitstackshape)
a <- c("a,b,c", "a,b", "a,b,c,d")
cSplit_e(as.data.table(a), "a", ",", type = "character", fill = 0)
# a a_a a_b a_c a_d
# 1: a,b,c 1 1 1 0
# 2: a,b 1 1 0 0
# 3: a,b,c,d 1 1 1 1
cSplit_e(as.data.table(a), "a", ",", type = "character", fill = 0, drop = TRUE)
# a_a a_b a_c a_d
# 1: 1 1 1 0
# 2: 1 1 0 0
# 3: 1 1 1 1
还有来自“qdapTools”的mtabulate：
library(qdapTools)
mtabulate(strsplit(a, ","))
# a b c d
# 1 1 1 1 0
# 2 1 1 0 0
# 3 1 1 1 1
一个非常直接的基础 R 方法是使用 table 以及 stack 和 strsplit：
table(rev(stack(setNames(strsplit(a, ",", TRUE), seq_along(a)))))
# values
# ind a b c d
# 1 1 1 1 0
# 2 1 1 0 0
# 3 1 1 1 1
【讨论】：
stack 是基础 R 中的东西。很酷的东西。 strsplit 中的 TRUE 在这里似乎没有任何作用。
另一个复杂的base-R解决方案：
x <- strsplit(a,",")
xl <- unique(unlist(x))
t(sapply(x,function(z)table(factor(z,levels=xl))))
给了
a b c d
[1,] 1 1 1 0
[2,] 1 1 0 0
[3,] 1 1 1 1
【讨论】：
基础R - 但更长的解决方案：
el = unique(unlist(strsplit(a, ',')))
do.call(rbind, lapply(a, function(u) setNames(el %in% strsplit(u,',')[[1]]+0L, el))
# a b c d
#[1,] 1 1 1 0
#[2,] 1 1 0 0
#[3,] 1 1 1 1
【讨论】：
+0L 的作用。你介意解释一下这个答案的逻辑吗？
a 的每个元素上循环，拆分它们并返回一个布尔向量，如果这些拆分的元素在el 中。我只是添加0 将布尔向量变成0/1 向量！
另一个选项是tstrsplit() 来自data.table：
library(data.table)
vapply(tstrsplit(a, ",", fixed = TRUE, fill = 0), ">", integer(length(a)), 0L)
# [,1] [,2] [,3] [,4]
# [1,] 1 1 1 0
# [2,] 1 1 0 0
# [3,] 1 1 1 1
【讨论】：
> 部分看起来很聪明。是否使用'0' > 0#FALSE，而其他都是TRUE
fill = 0
在我写完这篇文章后，我注意到 Beauvel 上校的解决方案非常相似，但也许这足以成为一个单独的解决方案。没有使用任何包。
首先，我们将字符串拆分成一个向量列表，L，然后我们计算它们的并集，u。最后我们为每个列表元素和rbind一起确定一个二进制向量，使用+ 0将结果从逻辑转换为数字并设置列名。
L <- strsplit(a, ",")
u <- Reduce(union, L)
m <- do.call(rbind, lapply(L, `%in%`, x = u)) + 0
colnames(m) <- u
给予：
> m
a b c d
[1,] 1 1 1 0
[2,] 1 1 0 0
[3,] 1 1 1 1
添加最后两行代码可以替换为以下任一行：
do.call(rbind, lapply(lapply(L, factor, levels = u), table))
do.call(rbind, Map(function(x) sapply(u, `%in%`, x), L)) + 0
【讨论】：
不幸的是，base R 不提供向量化字符串匹配功能，但 stringi 包提供。
library(stringi)
a=c("a,b,c", "a,b", "a,b,c,d")
1*outer(a,unique(unlist(strsplit(a,","))),stri_detect_regex)
# [,1] [,2] [,3] [,4]
#[1,] 1 1 1 0
#[2,] 1 1 0 0
#[3,] 1 1 1 1
【讨论】：
我在fastDummies 中使用dummy_cols 取得了很大的成功，它可以相当简单地处理这个问题并且可以通过变量指定。
library(fastDummies)
a <- c("a,b,c", "a,b", "a,b,c,d")
a <- dummy_cols(a, split = ",")
输出
# .data .data_a .data_b .data_c .data_d
# 1 a,b,c 1 1 1 0
# 2 a,b 1 1 0 0
# 3 a,b,c,d 1 1 1 1
【讨论】：