将多个分类变量转换为二元响应变量

Question

我尝试将以下格式转换为:

mydata <- data.frame(movie = c("Titanic", "Departed"), 
                     actor1 = c("Leo", "Jack"), 
                     actor2 = c("Kate", "Leo"))

     movie actor1 actor2
1  Titanic    Leo   Kate
2 Departed   Jack    Leo

转换为二进制响应变量：

     movie Leo Kate Jack
1  Titanic   1    1    0
2 Departed   1    0    1

我尝试了Convert row data to binary columns中描述的解决方案，但我只能让它对两个变量起作用，而不是三个。

如果有一种简洁的方法来解决这个问题，我将不胜感激。

- ignorant

Answer 1

有多少香料太多了？这里有一个使用tidyr的解决方案：

library(dplyr)
library(tidyr)

mydata %>%
  gather(actor,name,starts_with("actor")) %>%
  mutate(present = 1) %>%
  select(-actor) %>%
  spread(name,present,fill = 0)

       movie Jack Kate Leo
 1 Departed    1    0   1
 2  Titanic    0    1   1

- AndrewMacDonald

Answer 2

使用reshape2包中的melt和dcast函数是重新塑形data.frame的一种方法。例如：

library(reshape2)
long.mydata <- melt(mydata, id.vars = "movie")
wide.mydata <- dcast(long.mydata, movie ~ value, function(x) 1, fill = 0)

请注意 dcast 中的 fun.aggregate 和 fill 参数，它们控制在转换后填充内部的内容。

- Frank

Answer 3

因为人生需要多样性，所以这里介绍一种使用基础R语言中的table函数的方法：

table(cbind(mydata[1], 
            actor = unlist(mydata[-1], use.names=FALSE)))
#           actor
# movie      Jack Leo Kate
#   Departed    1   1    0
#   Titanic     0   1    1

上面的输出是一个类为table的matrix。若要得到一个data.frame，请使用as.data.frame.matrix。

as.data.frame.matrix(table(
  cbind(mydata[1], actor = unlist(mydata[-1], use.names=FALSE))))
#          Jack Leo Kate
# Departed    1   1    0
# Titanic     0   1    1

- A5C1D2H2I1M1N2O1R2T1

Answer 4

reshape2 包还具有 recast 函数。

代码：

library(reshape2)
recast(mydata, id.var = 'movie', movie ~ value, fun.aggregate = length)

结果为：

     movie Jack Kate Leo
1 Departed    1    0   1
2  Titanic    0    1   1

- h3rm4n

Answer 5

一个基于 tidyr 的更新选项是将其转换为长格式，使用 complete 填充缺失的电影和演员组合，然后只需将逻辑 is.na 测试转换为数值。然后重新转换为宽格式。

library(tidyr)

mydata %>%
  pivot_longer(starts_with("actor"), names_to = "acted") %>%
  complete(movie, value) %>%
  dplyr::mutate(acted = as.numeric(!is.na(acted))) %>%
  pivot_wider(names_from = value, values_from = acted)
#> # A tibble: 2 x 4
#>   movie     Jack   Leo  Kate
#>   <fct>    <dbl> <dbl> <dbl>
#> 1 Departed     1     1     0
#> 2 Titanic      0     1     1

- camille