将逗号分隔类别的列拆分为二进制矩阵答案

【问题标题】：Splitting column of comma separated categories into binary matrix将逗号分隔类别的列拆分为二进制矩阵
【发布时间】：2019-08-05 17:32:38
【问题描述】：

我对 R 很陌生，我真的需要一些帮助。我的数据框中有一列cats，我想将其传播到一个二进制矩阵中，其中 1 是受访者报告感兴趣的地方，如果他们不感兴趣，则为 0。

我发现我的问题与这里的问题非常相似：

Split column of comma-separated numbers into multiple columns based on value

但是，我无法使用上述解决方案解决我的问题，并且在不同的时间点不断收到多个不同的错误。我怀疑这是因为我的数据框包含字符串而不是整数或数字。

这是我正在使用的示例数据框

df <- data.frame(c("sports", "business,IT,entertainment", "feature,entertainment", "business,politics,sports", "health", "politics", "reviews", "entertainment,health", "IT"))

colnames(df) <- "cats"

#                       cats
#1                    sports
#2 business,IT,entertainment
#3     feature,entertainment
#4  business,politics,sports
#5                    health
#6                  politics
#7                   reviews
#8      entertainment,health
#9                        IT

这就是我试图让它看起来像的样子

        sports business IT entertainment politics review health feature    
1         1       0     0        0          0        0      0      0
2         0       1     1        1          0        0      0      0
3         0       0     0        1          0        0      0      1
4         1       1     0        0          1        0      0      0
etc...

我收到的错误示例如下：

Error: row_number() should only be called in a data context

Error in eval_tidy(enquo(var), var_env) : object '' not found

任何帮助将不胜感激！

【问题讨论】：

这正是“splitstackshape”中的cSplit_e 的用途：library(splitstackshape); cSplit_e(df, "cats", ",", type = "character")。

标签： r split dplyr tidyverse plyr

【解决方案1】：

+with(df, sapply(unique(unlist(strsplit(as.character(cats), ","))), grepl, cats))
#      sports business IT entertainment feature politics health reviews
# [1,]      1        0  0             0       0        0      0       0
# [2,]      0        1  1             1       0        0      0       0
# [3,]      0        0  0             1       1        0      0       0
# [4,]      1        1  0             0       0        1      0       0
# [5,]      0        0  0             0       0        0      1       0
# [6,]      0        0  0             0       0        1      0       0
# [7,]      0        0  0             0       0        0      0       1
# [8,]      0        0  0             1       0        0      1       0
# [9,]      0        0  1             0       0        0      0       0

【讨论】：

【解决方案2】：

mtabulate 的一个选项

library(qdapTools)
mtabulate(strsplit(as.character(df$cats), ","))
#  business entertainment feature health IT politics reviews sports
#1        0             0       0      0  0        0       0      1
#2        1             1       0      0  1        0       0      0
#3        0             1       1      0  0        0       0      0
#4        1             0       0      0  0        1       0      1
#5        0             0       0      1  0        0       0      0
#6        0             0       0      0  0        1       0      0
#7        0             0       0      0  0        0       1      0
#8        0             1       0      1  0        0       0      0
#9        0             0       0      0  1        0       0      0

或与table 来自base R

table(stack(setNames(strsplit(as.character(df$cats), ","), seq_len(nrow(df))))[2:1])

【讨论】：

【解决方案3】：

Based on你可以这样做：

library(tidyverse)
   df %>% 
  rownames_to_column(var="row") %>% 
  separate_rows(cats, sep=",") %>% 
  count(row, cats) %>% 
  spread(cats, n, fill = 0)

感谢@eipi10编辑

【讨论】：