使用 pivot_wider 从没有 values_from 列的逗号分隔向量创建唯一列
Use pivot_wider to create unique columns from comma separated vector without values_from column
我有以下 pivot_wider 的用例：
我有一个用逗号分隔的字符串的数据集。我想为每个逗号分隔值创建唯一的列，例如采用 1s（值存在）和 0s（值不存在）的虚拟变量。
我可以使用下面显示的方法来完成此操作。但是，我认为这是一种解决方法，因为我需要添加一个带有 value = 1 的列，然后我在 pivot_widers values_from 参数中使用它。我尝试使用 values_from = 1 而不先创建新列（我认为 pivot_wider 可以动态创建值），但事实证明 values_from 使用 tidyeval 并选择第一列。我也试过完全不指定参数，但这也不起作用。
有没有更好的方法来使用 pivot_wider 而无需为所有行创建一个采用值 1 的列？由于我确实经常使用这种“解决方法”，所以我想知道是否有更官方的方法可以达到相同的结果。
library(dplyr)
library(tidyr)
# data generating function
create_codes <- function(inp, len) {
size <- round(runif(len, 1, 5))
res <- vapply(seq_len(len),
FUN.VALUE = character(1),
FUN = function(x) {
paste(sample(inp, size[x]), collapse = ", ")
})
}
# toy data
set.seed(123)
dat <- tibble(id = 1:100,
codes = create_codes(10:25, 100))
# transform codes to unique columns
dat %>%
mutate(codes2 = strsplit(codes, ", "),
# can pivot_wider work without this 'workaround' => 'value = 1'?
value = 1) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal",
values_from = value,
values_fill = 0)
#> # A tibble: 100 x 18
#> id codes code_10 code_11 code_12 code_13 code_14 code_15 code_16 code_17
#> <int> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 11 13, … 1 0 1 1 0 1 0 0
#> 2 13 23, … 1 0 0 0 0 0 0 1
#> 3 25 10, … 1 0 0 1 0 0 0 1
#> 4 30 15, … 1 0 0 0 0 1 0 0
#> 5 37 14, … 1 0 0 0 1 0 1 0
#> 6 47 20, … 1 0 0 0 0 0 0 0
#> 7 59 20, … 1 0 0 0 0 0 0 0
#> 8 60 19, … 1 0 0 0 0 0 0 0
#> 9 66 10, … 1 0 0 0 1 0 0 0
#> 10 67 13, … 1 0 1 1 0 0 0 0
#> # … with 90 more rows, and 8 more variables: code_18 <dbl>, code_19 <dbl>,
#> # code_20 <dbl>, code_21 <dbl>, code_22 <dbl>, code_23 <dbl>, code_24 <dbl>,
#> # code_25 <dbl>
由 reprex package (v0.3.0)
于 2021-02-16 创建
我们可以将 values_fn 与 length 一起使用，这样就无需创建列 'value'。请注意，这里我们假设 OP 的问题是绕过 value 列的创建，而不是关于更改 strsplit
library(dplyr)
library(tidyr)
dat %>%
mutate(codes2 = strsplit(codes, ", ")) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal", values_from = codes2,
values_fill = 0, values_fn = length)
-输出
# A tibble: 100 x 18
id codes code_10 code_11 code_12 code_13 code_14 code_15 code_16 code_17 code_18 code_19 code_20
<int> <chr> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 11 13, … 1 0 1 1 0 1 0 0 0 0 0
2 13 23, … 1 0 0 0 0 0 0 1 0 0 0
3 25 10, … 1 0 0 1 0 0 0 1 0 0 0
4 30 15, … 1 0 0 0 0 1 0 0 0 0 0
5 37 14, … 1 0 0 0 1 0 1 0 0 0 0
6 47 20, … 1 0 0 0 0 0 0 0 0 0 1
7 59 20, … 1 0 0 0 0 0 0 0 0 1 1
8 60 19, … 1 0 0 0 0 0 0 0 0 1 0
9 66 10, … 1 0 0 0 1 0 0 0 1 0 0
10 67 13, … 1 0 1 1 0 0 0 0 1 0 0
# … with 90 more rows, and 5 more variables: code_21 <int>, code_22 <int>, code_23 <int>, code_24 <int>,
# code_25 <int>
如果有重复项，那么我们也可以传递一个 lambda 函数
dat %>%
mutate(codes2 = strsplit(codes, ", ")) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal", values_from = codes2,
values_fill = 0, values_fn = list(codes2 = ~ +(length(.) > 0)))
或者使用 cSplit_e
可以更轻松地完成
library(splitstackshape)
cSplit_e(dat, "codes", sep=",", type = 'character', fill = 0, drop = TRUE)
一种方法可以是：
dat %>%
separate_rows(codes) %>%
pivot_wider(values_from = "codes",
names_from = "codes",
names_prefix = "code_") %>%
mutate(across(starts_with("code"), ~ +is.na(.)))
id code_19 code_14 code_17 code_24 code_16 code_21 code_15 code_12 code_10 code_22
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 1 0 0 1 1 1 1 1 1 1 1
2 2 1 1 0 0 0 0 1 1 1 1
3 3 0 1 1 0 1 1 0 1 1 1
4 4 1 0 1 0 1 0 1 0 0 1
5 5 1 1 0 1 1 0 1 0 1 0
6 6 1 1 1 1 0 1 1 1 1 1
7 7 1 0 1 0 1 1 1 1 1 1
8 8 1 1 1 1 1 1 0 0 1 1
9 9 1 1 1 1 1 1 1 0 1 1
10 10 1 1 1 0 1 1 1 1 1 1
# … with 90 more rows, and 6 more variables: code_23 <int>, code_20 <int>, code_13 <int>,
# code_11 <int>, code_18 <int>, code_25 <int>
我有以下 pivot_wider 的用例：
我有一个用逗号分隔的字符串的数据集。我想为每个逗号分隔值创建唯一的列，例如采用 1s（值存在）和 0s（值不存在）的虚拟变量。
我可以使用下面显示的方法来完成此操作。但是，我认为这是一种解决方法，因为我需要添加一个带有 value = 1 的列，然后我在 pivot_widers values_from 参数中使用它。我尝试使用 values_from = 1 而不先创建新列（我认为 pivot_wider 可以动态创建值），但事实证明 values_from 使用 tidyeval 并选择第一列。我也试过完全不指定参数，但这也不起作用。
有没有更好的方法来使用 pivot_wider 而无需为所有行创建一个采用值 1 的列？由于我确实经常使用这种“解决方法”，所以我想知道是否有更官方的方法可以达到相同的结果。
library(dplyr)
library(tidyr)
# data generating function
create_codes <- function(inp, len) {
size <- round(runif(len, 1, 5))
res <- vapply(seq_len(len),
FUN.VALUE = character(1),
FUN = function(x) {
paste(sample(inp, size[x]), collapse = ", ")
})
}
# toy data
set.seed(123)
dat <- tibble(id = 1:100,
codes = create_codes(10:25, 100))
# transform codes to unique columns
dat %>%
mutate(codes2 = strsplit(codes, ", "),
# can pivot_wider work without this 'workaround' => 'value = 1'?
value = 1) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal",
values_from = value,
values_fill = 0)
#> # A tibble: 100 x 18
#> id codes code_10 code_11 code_12 code_13 code_14 code_15 code_16 code_17
#> <int> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 11 13, … 1 0 1 1 0 1 0 0
#> 2 13 23, … 1 0 0 0 0 0 0 1
#> 3 25 10, … 1 0 0 1 0 0 0 1
#> 4 30 15, … 1 0 0 0 0 1 0 0
#> 5 37 14, … 1 0 0 0 1 0 1 0
#> 6 47 20, … 1 0 0 0 0 0 0 0
#> 7 59 20, … 1 0 0 0 0 0 0 0
#> 8 60 19, … 1 0 0 0 0 0 0 0
#> 9 66 10, … 1 0 0 0 1 0 0 0
#> 10 67 13, … 1 0 1 1 0 0 0 0
#> # … with 90 more rows, and 8 more variables: code_18 <dbl>, code_19 <dbl>,
#> # code_20 <dbl>, code_21 <dbl>, code_22 <dbl>, code_23 <dbl>, code_24 <dbl>,
#> # code_25 <dbl>
由 reprex package (v0.3.0)
于 2021-02-16 创建我们可以将 values_fn 与 length 一起使用，这样就无需创建列 'value'。请注意，这里我们假设 OP 的问题是绕过 value 列的创建，而不是关于更改 strsplit
library(dplyr)
library(tidyr)
dat %>%
mutate(codes2 = strsplit(codes, ", ")) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal", values_from = codes2,
values_fill = 0, values_fn = length)
-输出
# A tibble: 100 x 18
id codes code_10 code_11 code_12 code_13 code_14 code_15 code_16 code_17 code_18 code_19 code_20
<int> <chr> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 11 13, … 1 0 1 1 0 1 0 0 0 0 0
2 13 23, … 1 0 0 0 0 0 0 1 0 0 0
3 25 10, … 1 0 0 1 0 0 0 1 0 0 0
4 30 15, … 1 0 0 0 0 1 0 0 0 0 0
5 37 14, … 1 0 0 0 1 0 1 0 0 0 0
6 47 20, … 1 0 0 0 0 0 0 0 0 0 1
7 59 20, … 1 0 0 0 0 0 0 0 0 1 1
8 60 19, … 1 0 0 0 0 0 0 0 0 1 0
9 66 10, … 1 0 0 0 1 0 0 0 1 0 0
10 67 13, … 1 0 1 1 0 0 0 0 1 0 0
# … with 90 more rows, and 5 more variables: code_21 <int>, code_22 <int>, code_23 <int>, code_24 <int>,
# code_25 <int>
如果有重复项，那么我们也可以传递一个 lambda 函数
dat %>%
mutate(codes2 = strsplit(codes, ", ")) %>%
unnest(codes2) %>%
arrange(codes2) %>%
pivot_wider(names_from = codes2,
names_prefix = "code_",
names_repair = "universal", values_from = codes2,
values_fill = 0, values_fn = list(codes2 = ~ +(length(.) > 0)))
或者使用 cSplit_e
library(splitstackshape)
cSplit_e(dat, "codes", sep=",", type = 'character', fill = 0, drop = TRUE)
一种方法可以是：
dat %>%
separate_rows(codes) %>%
pivot_wider(values_from = "codes",
names_from = "codes",
names_prefix = "code_") %>%
mutate(across(starts_with("code"), ~ +is.na(.)))
id code_19 code_14 code_17 code_24 code_16 code_21 code_15 code_12 code_10 code_22
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 1 0 0 1 1 1 1 1 1 1 1
2 2 1 1 0 0 0 0 1 1 1 1
3 3 0 1 1 0 1 1 0 1 1 1
4 4 1 0 1 0 1 0 1 0 0 1
5 5 1 1 0 1 1 0 1 0 1 0
6 6 1 1 1 1 0 1 1 1 1 1
7 7 1 0 1 0 1 1 1 1 1 1
8 8 1 1 1 1 1 1 0 0 1 1
9 9 1 1 1 1 1 1 1 0 1 1
10 10 1 1 1 0 1 1 1 1 1 1
# … with 90 more rows, and 6 more variables: code_23 <int>, code_20 <int>, code_13 <int>,
# code_11 <int>, code_18 <int>, code_25 <int>