将 classes 的长数据集转换为宽数据集，其中变量是每个 class 的虚拟代码

Question

假设我有一个数据集，其中的行是 classes people take:

attendance <- data.frame(id = c(1, 1, 1, 2, 2),
                         class = c("Math", "English", "Math", "Reading", "Math"))  

I.e.,

     id  class  
   1 1   "Math" 
   2 1   "English"
   3 1   "Math"
   4 2   "Reading"
   5 2   "Math"

我想创建一个新数据集，其中行是 id，变量是 class 名称，如下所示：

class.names <- names(table(attendance$class))
attedance2 <-  matrix(nrow=length(table(attendance$id)), 
                      ncol=length(class.names)) 
colnames(attedance2) <- class.names
attedance2 <- as.data.frame(attedance2)
attedance2$id <- unique(attendance$id)

I.e.,

     English  Math  Reading  id
   1    NA     NA      NA     1
   2    NA     NA      NA     2

我想用那个特定的 id 是否使用 class 来填充 NA。它可以是 Yes/No、1/0 或 classes

的计数

I.e.,

     English  Math  Reading  id
   1   "Yes"  "Yes"   "No"    1
   2   "No"   "Yes"   "Yes"   2

我熟悉 dplyr，所以如果在解决方案中使用但不是必需的，对我来说会更容易。谢谢您的帮助！

Answer 1

使用：

library(reshape2)
attendance$val <- 'yes'
dcast(unique(attendance), id ~ class, value.var = 'val', fill = 'no')

给出：

  id English Math Reading
1  1     yes  yes      no
2  2      no  yes     yes

与data.table类似的方法：

library(data.table)
dcast(unique(setDT(attendance))[,val:='yes'], id ~ class, value.var = 'val', fill = 'no')

或 dplyr/tidyr:

library(dplyr)
library(tidyr)
attendance %>% 
  distinct() %>% 
  mutate(var = 'yes') %>% 
  spread(class, var, fill = 'no')

另一个更复杂的选项可能会先重新整形，然后用 yes 和 no 替换计数（请参阅 here for an explanation 关于 dcast 的默认聚合选项):

 att2 <- dcast(attendance, id ~ class, value.var = 'class')

给出：

  id English Math Reading
1  1       1    2       0
2  2       0    1       1

现在您可以将计数替换为：

# create index which counts are above zero
idx <- att2[,-1] > 0
# replace the non-zero values with 'yes'
att2[,-1][idx] <- 'yes'
# replace the zero values with 'no'
att2[,-1][!idx] <- 'no'

最终给出：

> att2
  id English Math Reading
1  1     yes  yes      no
2  2      no  yes     yes

Answer 2

我们可以用 base R

attendance$val <- "yes"
d1 <- reshape(attendance, idvar = 'id', direction = 'wide', timevar = 'class')
d1[is.na(d1)] <- "no"
names(d1) <- sub("val\.", '', names(d1))
d1
#  id Math English Reading
#1  1  yes     yes      no
#4  2  yes      no     yes

或 xtabs

xtabs(val ~id + class, transform(unique(attendance), val = 1))
#    class
# id  English Math Reading
#  1       1    1       0
#  2       0    1       1

注意：二进制可以很容易地转换为 'yes'、'no'，但最好是 1/0 或 TRUE/FALSE

将 classes 的长数据集转换为宽数据集，其中变量是每个 class 的虚拟代码

Turn long dataset of classes taken into wide dataset where variables are dummy code for each class

r

reshape

reshape2

dplyr