在 R 中强制 model.matrix() 使用一组给定的级别

Question

我需要将调查数据框中的少量分类变量转换为虚拟变量。这些变量按类型（例如食物类型）分组，并且在每种类型的调查中，受访者将他们的第一、第二和第三偏好排名。每种类型可用的选项列表相似但不完全相同。我的问题是我想在每种情况下都强制对类别选择的超集进行虚拟编码。

set.seed(1)
d<-data.frame(foodtype1rank1=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype1rank2=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype1rank3=sample(c('noodles','rice','cabbage','pork'),5,replace=T),
              foodtype2rank1=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype2rank2=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype2rank3=sample(c('noodles','rice','cabbage','tuna'),5,replace=T),
              foodtype3rank1=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T),
              foodtype3rank2=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T),
              foodtype3rank3=sample(c('noodles','rice','cabbage','pork','mackerel'),5,replace=T))

回顾一下，model.matrix() 将为任何单个变量创建虚拟变量：

model.matrix(~d[,1]-1)
  d[, 1]cabbage d[, 1]noodles d[, 1]pork d[, 1]rice
1             0             0          0          1
2             0             0          0          1
3             1             0          0          0
4             0             0          1          0
5             0             1          0          0

或通过 sapply() 为所有变量：

sapply(d,function(x) model.matrix(~x-1))

自然地，model.matrix() 只会单独考虑每个因素中存在的水平。但我想强制包含每种类型的完整食物类型：面条、米饭、卷心菜、猪肉、金枪鱼、鲭鱼。在此示例中，将生成 54 个虚拟变量（3 种类型 x 3 个等级 x 6 个类别）。我假设我会以某种方式将完整的集合显式传递给 model.matrix()，但看不到如何。

最后，我知道 R 模型会在内部自动伪代码因子，但我仍然需要这样做，包括在 R 外部导出。

Answer 1

实现此目的的最佳方法是明确指定每个因素的水平：

d$foodtype1rank1=factor(sample(c('noodles','rice','cabbage','pork'), 5, replace=T), 
                        levels=c('noodles','rice','cabbage','pork','mackerel'))

当您知道数据时，这始终是一个好习惯。

在 R 中强制 model.matrix() 使用一组给定的级别

Force model.matrix() in R to use a given set of levels

r

model.matrix