Tự động mở rộng nhân tố R thành tập hợp 1/0 biến chỉ số cho mọi cấp nhân tố

Tôi có một khung dữ liệu R chứa một yếu tố mà tôi muốn "mở rộng" để đối với mỗi cấp yếu tố, có một cột được liên kết trong khung dữ liệu mới, chứa chỉ số 1/0. Ví dụ: giả sử tôi có:

df.original <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c(1,2,3,4))

Tôi muốn:

df.desired  <- data.frame(foo = c(1,1,0,0), bar=c(0,0,1,1), ham=c(1,2,3,4))

Bởi vì đối với một số phân tích nhất định mà bạn cần có khung dữ liệu hoàn toàn bằng số (ví dụ: phân tích thành phần chính), tôi nghĩ rằng tính năng này có thể được tích hợp sẵn. Viết một hàm để thực hiện việc này không quá khó, nhưng tôi có thể thấy trước một số những thách thức liên quan đến tên cột và nếu cái gì đó đã tồn tại, tôi muốn sử dụng cái đó.

Sử dụng model.matrixchức năng:

model.matrix( ~ Species - 1, data=iris )

Nếu khung dữ liệu của bạn chỉ được tạo bởi các yếu tố (hoặc bạn đang làm việc trên một tập hợp con của các biến là tất cả các yếu tố), bạn cũng có thể sử dụng acm.disjonctifhàm từ ade4gói:

R> library(ade4)
R> df <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c("red","blue","green","red"))
R> acm.disjonctif(df)
  eggs.bar eggs.foo ham.blue ham.green ham.red
1        0        1        0         0       1
2        0        1        1         0       0
3        1        0        0         1       0
4        1        0        0         0       1

Không chính xác trường hợp bạn đang mô tả, nhưng nó cũng có thể hữu ích ...

Một cách nhanh chóng bằng cách sử dụng reshape2gói:

require(reshape2)

> dcast(df.original, ham ~ eggs, length)

Using ham as value column: use value_var to override.
  ham bar foo
1   1   0   1
2   2   0   1
3   3   1   0
4   4   1   0

Lưu ý rằng điều này tạo ra chính xác tên cột mà bạn muốn.

có thể biến giả tương tự như những gì bạn muốn. Sau đó, model.matrix rất hữu ích:

> with(df.original, data.frame(model.matrix(~eggs+0), ham))
  eggsbar eggsfoo ham
1       0       1   1
2       0       1   2
3       1       0   3
4       1       0   4

Mục nhập muộn class.indtừ nnetgói hàng

library(nnet)
 with(df.original, data.frame(class.ind(eggs), ham))
  bar foo ham
1   0   1   1
2   0   1   2
3   1   0   3
4   1   0   4

Chỉ cần xem qua chuỗi cũ này và nghĩ rằng tôi sẽ thêm một hàm sử dụng ade4 để lấy khung dữ liệu bao gồm các yếu tố và / hoặc dữ liệu số và trả về một khung dữ liệu với các yếu tố là mã giả.

dummy <- function(df) {  

    NUM <- function(dataframe)dataframe[,sapply(dataframe,is.numeric)]
    FAC <- function(dataframe)dataframe[,sapply(dataframe,is.factor)]

    require(ade4)
    if (is.null(ncol(NUM(df)))) {
        DF <- data.frame(NUM(df), acm.disjonctif(FAC(df)))
        names(DF)[1] <- colnames(df)[which(sapply(df, is.numeric))]
    } else {
        DF <- data.frame(NUM(df), acm.disjonctif(FAC(df)))
    }
    return(DF)
} 

Hãy thử nó.

df <-data.frame(eggs = c("foo", "foo", "bar", "bar"), 
            ham = c("red","blue","green","red"), x=rnorm(4))     
dummy(df)

df2 <-data.frame(eggs = c("foo", "foo", "bar", "bar"), 
            ham = c("red","blue","green","red"))  
dummy(df2)

Đây là một cách rõ ràng hơn để làm điều đó. Tôi sử dụng model.matrix để tạo các biến boolean giả và sau đó hợp nhất nó trở lại khung dữ liệu ban đầu.

df.original <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c(1,2,3,4))
df.original
#   eggs ham
# 1  foo   1
# 2  foo   2
# 3  bar   3
# 4  bar   4

# Create the dummy boolean variables using the model.matrix() function.
> mm <- model.matrix(~eggs-1, df.original)
> mm
#   eggsbar eggsfoo
# 1       0       1
# 2       0       1
# 3       1       0
# 4       1       0
# attr(,"assign")
# [1] 1 1
# attr(,"contrasts")
# attr(,"contrasts")$eggs
# [1] "contr.treatment"

# Remove the "eggs" prefix from the column names as the OP desired.
colnames(mm) <- gsub("eggs","",colnames(mm))
mm
#   bar foo
# 1   0   1
# 2   0   1
# 3   1   0
# 4   1   0
# attr(,"assign")
# [1] 1 1
# attr(,"contrasts")
# attr(,"contrasts")$eggs
# [1] "contr.treatment"

# Combine the matrix back with the original dataframe.
result <- cbind(df.original, mm)
result
#   eggs ham bar foo
# 1  foo   1   0   1
# 2  foo   2   0   1
# 3  bar   3   1   0
# 4  bar   4   1   0

# At this point, you can select out the columns that you want.

Tôi cần một hàm để 'bùng nổ' các yếu tố linh hoạt hơn một chút và tạo một hàm dựa trên hàm acm.disjonctif từ gói ade4. Điều này cho phép bạn chọn các giá trị bùng nổ, là 0 và 1 trong acm.disjonctif. Nó chỉ làm bùng nổ các yếu tố có mức 'vài'. Các cột số được giữ nguyên.

# Function to explode factors that are considered to be categorical,
# i.e., they do not have too many levels.
# - data: The data.frame in which categorical variables will be exploded.
# - values: The exploded values for the value being unequal and equal to a level.
# - max_factor_level_fraction: Maximum number of levels as a fraction of column length. Set to 1 to explode all factors.
# Inspired by the acm.disjonctif function in the ade4 package.
explode_factors <- function(data, values = c(-0.8, 0.8), max_factor_level_fraction = 0.2) {
  exploders <- colnames(data)[sapply(data, function(col){
      is.factor(col) && nlevels(col) <= max_factor_level_fraction * length(col)
    })]
  if (length(exploders) > 0) {
    exploded <- lapply(exploders, function(exp){
        col <- data[, exp]
        n <- length(col)
        dummies <- matrix(values[1], n, length(levels(col)))
        dummies[(1:n) + n * (unclass(col) - 1)] <- values[2]
        colnames(dummies) <- paste(exp, levels(col), sep = '_')
        dummies
      })
    # Only keep numeric data.
    data <- data[sapply(data, is.numeric)]
    # Add exploded values.
    data <- cbind(data, exploded)
  }
  return(data)
}