多列之间的R多热编码

Question

我的数据是这样的

Event Id Var1 Var2 Var3
1      a   x    w    y
2      a   z    y    w
3      b   x    y    q

我需要为 table 中的每一行创建多热编码向量，考虑到出现在 Var1、Var2 和 Var3 中的所有值。这意味着所需的输出将是：

Event Id  x  y  z  w  q
1      a  1  1  0  1  0
2      a  0  1  1  1  0
3      b  1  1  0  0  1

这意味着我保留了与初始数据集相同的行数，我只为每一行添加了等于 Var 1、Var 2 和 Var3 中所有唯一因子的列数。

我尝试了所有我能想到的方法，但到目前为止似乎没有任何效果..

有什么想法吗？

Answer 1

我们可以gather转换成'long'格式，然后做一个spread

library(tidyverse)
gather(df1, key, val, Var1:Var3) %>%
   mutate(n = 1) %>%
   select(-key) %>% 
   spread(val, n, fill = 0)

或者以紧凑的方式

library(qdapTools)
cbind(df1[1:2], +(mtabulate(df1[-(1:2)]) > 0))

Answer 2

可以使用data.table-

dt <- read.table(text="Event Id Var1 Var2 Var3
1      a   x    w    y
2      a   z    y    w
3      b   x    y    q",header=T)

setDT(dt)
dcast(setDT(melt(dt,id.vars = c("Event","Id")))[,ind:=1],Event+Id~value,value.var = "ind",fill=0)

输出-

   Event Id Var1 Var2 Var3 q w x y z
1:     1  a    1    1    1 0 1 1 1 0
2:     2  a    1    1    1 0 1 0 1 1
3:     3  b    1    1    1 1 0 1 1 0

多列之间的R多热编码

R multi-hot encoding among multiple columns

r

one-hot-encoding

dummy-variable