如何重建具有多个选择的分类变量答案

【问题标题】：How to reconstruct a categorical variable with multiple choices如何重建具有多个选择的分类变量
【发布时间】：2023-03-09 01:13:01
【问题描述】：

我有以下问题。我正在分析问卷中的数据，其中向受访者提供了 7 个可能的答案，并且必须选择其中的 3 个。所以我有一组 7 个虚拟变量，如果受访者选择了答案，则编码为 1，否则编码为 0。

a1 a2 a3 a4 a5 a6 a7
0  0  1  1  0  1  0
1  1  1  0  0  0  0
0  1  0  0  1  0  1

我想将这些假人转换回三个变量，每个变量都包括给出的答案。是这样的：

choice1 choice2 choice3
 a3       a4      a6
 a1       a2      a3
 a2       a5      a6

我尝试在整个“a”变量集上使用 tidyverse “gather”

int <- old_df %>%  mutate_at(vars(a1:a7), ~ ifelse(. == 0, NA, .))
new <- int %>% gather("choice1", "present", a1:a7, na.rm = TRUE)

但是，我没有得到我想要的，因为我只有 1 个变量，以及所有可能的“a”答案。

我还尝试对每个“a”变量使用“gather”，但我还是没有得到我想要的，因为我最终复制了原始数据集（使用字符串变量而不是 1 和 0）。

任何想法，我怎样才能获得我想要的数据？

非常感谢！

【问题讨论】：

标签： r dummy-variable gather

【解决方案1】：

df_old <- read.table(text = "a1 a2 a3 a4 a5 a6 a7
0  0  1  1  0  1  0
1  1  1  0  0  0  0
0  1  0  0  1  0  1", header = T)

df_old %>% mutate(rowid = row_number()) %>%
  pivot_longer(!rowid) %>%
  filter(value != 0) %>%
  group_by(rowid) %>%
  mutate(choice = paste0('choice', seq_len(max(rowSums(df_old))))) %>%
  pivot_wider(id_cols = rowid, names_from = choice, values_from = name) %>%
  select(-rowid)

# A tibble: 3 x 4
# Groups:   rowid [3]
  rowid choice1 choice2 choice3
  <int> <chr>   <chr>   <chr>  
1     1 a3      a4      a6     
2     2 a1      a2      a3     
3     3 a2      a5      a7

【讨论】：

谢谢！这几乎行得通。但是我在使用 mutate 和 paste 时收到一条错误消息。消息如下：“mutate() 输入 choice 出现问题。x 输入 choice 无法回收到大小 3。错误发生在组 1：rowid = 1。”如果我手动设置重复次数（而不是使用“max（RowSums（））”，对于不同的“rowid”，我会得到相同的错误。知道为什么吗？
作为跟进：我想我知道问题所在：一些代表只选择了 2 个而不是 3 个选项，因此一些“rowid”组无法“适应”新创建的 varialbe“选择”预设重复次数
解决了！ df_old %>% mutate(rowid = row_number()) %>% pivot_longer(!rowid) %>% filter(value != 0)%>% group_by(rowid) %>% mutate(choice = row_number())%> % pivot_wider(id_cols = rowid, names_from = choice, values_from = name) %>% select(-rowid)

【解决方案2】：

这在base R会容易得多

out <- as.data.frame(t(apply(df1, 1, function(x) names(x)[x == 1])))
names(out) <- paste0('choice', seq_along(out))

-输出

out
#  choice1 choice2 choice3
#1      a3      a4      a6
#2      a1      a2      a3
#3      a2      a5      a7

数据

df1 <- structure(list(a1 = c(0L, 1L, 0L), a2 = c(0L, 1L, 1L), a3 = c(1L, 
1L, 0L), a4 = c(1L, 0L, 0L), a5 = c(0L, 0L, 1L), a6 = c(1L, 0L, 
0L), a7 = c(0L, 0L, 1L)), class = "data.frame", row.names = c(NA, 
-3L))

【讨论】：