从因子水平的子串创建虚拟变量

Question

目标

使用包含 NA 或由空格分隔的一系列整数的因子变量，我试图创建一系列虚拟变量（var1、var2、...、vari），如果字符串包含整数，则其值为 1 i（不是简单的字符 i），如果字符串包含 NA，则为 NA，否则为 0。

问题

我有点卡住了，因为我尝试使用 grep() 在字符串中搜索定义每个整数的字符，但这会返回行号而不是布尔向量。此外，搜索“7”会返回“77”、“97”等，而不仅仅是“7”。

示例

因此，在下面的最小工作数据中，我希望虚拟变量 var0、var1、var2、var3、var33、var999 如果 data == NA 取值为 NA，如果 data == x 取值为 1，否则取值为 0。我已经放下了最初的尝试来解决这个不起作用的问题。由于我的实际数据非常大，我正在寻找一种通用的方法。

# Create data
data <- c("0 1 2", "0 2 3", "999", "33", "33 0 3", NA, "33 0 3") %>% factor()

# Attempt to complete task (doesn't work)
data <- cbind(data,
            setNames(
              data.frame(
                sapply(
                  data,
                  function(i) ifelse(is.na(data),
                                            NA,
                                            ifelse(# do something to create variables w/ value 1,0)))),
              paste0("var",
                    valuenumber))

在这种情况下，所需的输出类似于：

 data$var0
 [1] 1, 1, 0, 0, 1, NA, 1  # = 1 when string contains "0", NA when NA, 0 o/w

 data$var1
 [1] 1, 0, 0, 0, 0, NA, 0  # = 1 when string contains "1", NA when NA, 0 o/w

 data$var2
 [1] 1, 1, 0, 0, 0, NA, 0  # = 1 when string contains 2, NA when NA, 0 o/w

 # Important note: I want below to indicate when the string contains "3" and NOT "33"
 data$var3
 [1] 0, 1, 0, 0, 1, NA, 1  # = 1 when string contains 3, NA when NA, 0 o/w. 

 # Important note: I want below to indicate when the string contains "33" and NOT "3"
  data$var33
 [1] 0, 0, 0, 1, 1, NA, 1

  data$var999
 [1] 0, 0, 1, 0, 0, NA, 0

Answer 1

您需要使用grepl，它返回T 或F，而不是grep，它返回匹配的值或匹配的位置，而且由于您使用的是字符串，因此最好以字符开头的因素，这里有一些关于如何做到这一点的开始。将变量名称重命名为 Vari 应该会给出所需的输出：

data <- c("0 1 2", "0 2 3", "999", "33", "33 0 3", NA, "33 0 3")

valueNumbers <- na.omit(unique(unlist(strsplit(data, " "))))
newData <- sapply(valueNumbers, function(i) replace(as.integer(
                  grepl(paste("\\b", i, "\\b", sep = ""), data)), is.na(data), NA))

newData

      0  1  2  3 999 33
[1,]  1  1  1  0   0  0
[2,]  1  0  1  1   0  0
[3,]  0  0  0  0   1  0
[4,]  0  0  0  0   0  1
[5,]  1  0  0  1   0  1
[6,] NA NA NA NA  NA NA
[7,]  1  0  0  1   0  1

要处理 cmets 中提到的 3 和 33 情况，您可以在 grepl 的模式中添加单词边界 \\b，这将区分 3 和 33。

Answer 2

使用 strsplit 和匹配：

# data
data <- factor(c("0 1 2", "0 2 3", "999", "33", "33 0 3", NA, "33 0 3"))

# make list
dList <- sapply(as.character(data), strsplit, split = " ")
# unique items
items <- sort(unique(unlist(dList)))

# result
res <- data.frame(!is.na(t(sapply(dList, match, x = items)))) * 1
colnames(res) <- paste0("var", items)

# make no matches NA
res[rowSums(res) == 0,] <- NA


cbind(data, res)
#       data var0 var1 var2 var3 var33 var999
# 1    0 1 2    1    1    1    0     0      0
# 2    0 2 3    1    0    1    1     0      0
# 3      999    0    0    0    0     0      1
# 4       33    0    0    0    0     1      0
# 5   33 0 3    1    0    0    1     1      0
# 6     <NA>   NA   NA   NA   NA    NA     NA
# 7   33 0 3    1    0    0    1     1      0