如何在 R 中为大型数据集添加虚拟变量

Question

我有一个包含列名的大型数据集：ID 和属性。可能有多行共享同一个 ID，这意味着一个 ID 具有许多不同的属性（分类变量）。我想为属性添加虚拟变量，最后在每一行中获得一个具有不同 ID 的数据框，并使用 1/0 指示它是否具有属性。原始数据有 200 万行和 10000 个不同的属性。因此，理想情况下，我将通过组合相同的 ID 并添加虚拟变量列（每个属性 1 列）来缩小行大小。

R 在我使用以下代码时崩溃：

for(t in unique(df$property)){
df3[paste("property",t,sep="")] <- ifelse(df$property==t,1,0)

}

所以我想知道在 R 中为大型数据集添加虚拟变量列的最有效方法是什么？

Answer 1

我们可以直接使用table

as.data.frame.matrix(table(df1))
#  A B C D
#1 1 1 0 0
#3 0 0 1 0
#4 0 0 0 1
#5 0 0 0 2

或者一个有效的方法是 dcast 来自 data.table

library(data.table)
dcast(setDT(df1), a~b, value.var = "a", length)

数据

df1 <- structure(list(a = c(1L, 1L, 3L, 4L, 5L, 5L), b = c("A", "B", 
"C", "D", "D", "D")), .Names = c("a", "b"), row.names = c("1", 
"2", "3", "4", "5", "6"), class = "data.frame")

如何在 R 中为大型数据集添加虚拟变量

How to add dummy variables in R for a large data set

r

dummy-variable

数据