从字符串中提取参数并创建其他因素或逻辑变量

Question

如果我不能把问题说清楚，我很抱歉。我很难形成搜索关键字/短语，所以我来了。

所以，我目前有一个类似这样的数据框：

song.title <- c("A", "B", "C", "D")
genre <- c("rock", "pop, rock", "jazz, pop, funk", "funk, rock")
df <- data.frame(song.title, genre)
view(df)

然后，我需要将数据框转换成这样的：

song.title <- c("A", "B", "C", "D")
is.pop <- c("no", "yes", "yes", "no")
is.rock <- c("yes", "yes", "no", "yes")
is.jazz <- c("no", "no", "yes", "no")
is.funk <- c("no", "no", "yes", "yes")
df_needed <- data.frame(song.title, is.pop, is.rock, is.jazz, is.funk)
view(df_needed)

我正在处理的actual data 有 10.000 多行，因此很难确定有多少因素（流派/标签）应该“转换”为列。在 R 中转换此类数据有哪些选择？谢谢。

Answer 1

这是一个tidyverse 选项。在这里，我将流派列中的列表分开，以便每个元素都在自己的行中。然后，我简单地粘贴“是”。到每个流派词，因为当我们旋转表格时，这将用于列名。然后，我创建一个带有“是”的新列，以记录每首歌曲标题的流派。然后，我们可以旋转整个表格并将NA 值替换为“否”。无论您有多少流派/标签，此解决方案都可以正常工作。唯一需要注意的是，我假设所有类型/标签都将用逗号分隔。

library(tidyverse)

df %>%
  separate_rows(genre, sep = ",") %>%
  mutate(genre = trimws(genre),
         genre = paste0("is.", genre),
         yn = "yes") %>%
  pivot_wider(names_from = "genre", values_from = "yn") %>%
  mutate(across(-song.title, replace_na, "no")) %>% 
  select(1, 3, 2, 4:5)

输出

# A tibble: 4 × 5
  song.title is.pop is.rock is.jazz is.funk
  <chr>      <chr>  <chr>   <chr>   <chr>  
1 A          no     yes     no      no     
2 B          yes    yes     no      no     
3 C          yes    no      yes     yes    
4 D          no     yes     no      yes 

数据

df <-
  structure(list(
    song.title = c("A", "B", "C", "D"),
    genre = c("rock", "pop, rock", "jazz, pop, funk", "funk, rock")
  ),
  class = "data.frame",
  row.names = c(NA,-4L))

Answer 2

我们可以在这里使用grepl 作为基本 R 选项：

is.pop <- ifelse(grepl("\\bpop\\b", df$genre), "yes", "no")
is.rock <- ifelse(grepl("\\brock\\b", df$genre), "yes", "no")
is.jazz <- ifelse(grepl("\\bjazz\\b", df$genre), "yes", "no")
is.funk <- ifelse(grepl("\\bfunk\\b", df$genre), "yes", "no")
df_needed <- data.frame(song.title, is.pop, is.rock, is.jazz, is.funk)
df_needed

  song.title is.pop is.rock is.jazz is.funk
1          A     no     yes      no      no
2          B    yes     yes      no      no
3          C    yes      no     yes     yes
4          D     no     yes      no     yes

数据：

song.title <- c("A", "B", "C", "D")
genre <- c("rock", "pop, rock", "jazz, pop, funk", "funk, rock")
df <- data.frame(song.title, genre)