从一个字符串变量创建多个虚拟变量

Question

我几乎尝试了 this similar question 中的所有方法，但我无法得到其他人似乎得到的结果。这是我的问题：

我有一个这样的数据框，列出了每个老师的成绩：

> profs <- data.frame(teaches = c("1st", "1st, 2nd",
                                  "2nd, 3rd",
                                  "1st, 2nd, 3rd"))
> profs
        teaches
1           1st
2      1st, 2nd
3      2nd, 3rd
4 1st, 2nd, 3rd

我一直在寻找将 teaches 变量分成列的解决方案，如下所示：

  teaches1st teaches2nd teaches3rd
1          1          0          0
2          1          1          0
3          0          1          1
4          1          1          1

考虑到回答者的解释，

I understand this solution 涉及 splitstackshape 库和显然已弃用的 concat.split.expanded 函数应该完全符合我的要求。但是，我似乎无法达到相同的结果：

> concat.split.expanded(profs, "teaches", fill = 0, drop = TRUE)
Fehler in seq.default(min(vec), max(vec)) : 
  'from' cannot be NA, NaN or infinite

使用 cSplit，我理解它取代了 "most of the earlier concat.split* functions"，我得到这个：

> cSplit(profs, "teaches")
   teaches_1 teaches_2 teaches_3
1:       1st        NA        NA
2:       1st       2nd        NA
3:       2nd       3rd        NA
4:       1st       2nd       3rd

我试过使用 cSplit 的帮助并调整每一个参数，但我就是无法进行拆分。感谢您的帮助。

Answer 1

我找到了解决方法。如果您有一个只包含分隔符和数字的字符串变量，那么 concat.split.expanded 似乎可以工作，即：

> profs <- data.frame(teaches = c("1", "1, 2", "2, 3", "1, 2, 3"))
> profs
  teaches
1       1
2    1, 2
3    2, 3
4 1, 2, 3

现在 concat.split.expanded 与 Dummy variables from a string variable:

相同

> concat.split.expanded(profs, "teaches", fill = 0, drop = TRUE)
  teaches_1 teaches_2 teaches_3
1         1         0         0
2         1         1         0
3         0         1         1
4         1         1         1

但是，我仍在寻找一种解决方案，它不涉及从我的 teaches 变量中删除所有字母。

Answer 2

这是另一个选项：

Vectorize(grepl, 'pattern')(c('1st', '2nd', '3rd'), profs$teaches)
#        1st   2nd   3rd
# [1,]  TRUE FALSE FALSE
# [2,]  TRUE  TRUE FALSE
# [3,] FALSE  TRUE  TRUE
# [4,]  TRUE  TRUE  TRUE

Answer 3

您可以尝试 mtabulate 来自 qdapTools

library(qdapTools)
res <- mtabulate(strsplit(as.character(profs$teaches), ', '))
colnames(res) <- paste0('teaches', colnames(res))
res
#    teaches1st teaches2nd teaches3rd
#1          1          0          0
#2          1          1          0
#3          0          1          1
#4          1          1          1

或使用stringi

library(stringi)
(vapply(c('1st', '2nd', '3rd'), stri_detect_fixed, logical(4L), 
                          str=profs$teaches))+0L
#     1st 2nd 3rd
#[1,]   1   0   0
#[2,]   1   1   0
#[3,]   0   1   1
#[4,]   1   1   1

Answer 4

由于您的连接数据是连接的字符串（不是连接的数值），您需要添加 type = "character" 以使函数按预期工作。

该函数的默认设置是数值，因此出现有关 NaN 等的错误。

命名与同一系列中其他函数的缩写形式更加一致。因此，现在是 cSplit_e（尽管旧函数名称仍然有效）。

library(splitstackshape)
cSplit_e(profs, "teaches", ",", type = "character", fill = 0)
#         teaches teaches_1st teaches_2nd teaches_3rd
# 1           1st           1           0           0
# 2      1st, 2nd           1           1           0
# 3      2nd, 3rd           0           1           1
# 4 1st, 2nd, 3rd           1           1           1

?concat.split.expanded 的帮助页面与 cSplit_e 的帮助页面相同。如果您有任何使它更容易理解的提示，请在包的 GitHub 页面上提出问题。

从一个字符串变量创建多个虚拟变量

Create several dummy variables from one string variable

string

split

r

dataframe

splitstackshape