如何在R中将One-Hot编码变量转换为单因子变量

Question

在这篇文章中（链接），讨论了如何在R中对单个因子变量进行一位有效编码。我想知道如何从对某些属性进行一位有效编码的变量中反转问题并获取单个因子变量？

- striatum

---

x <- mtcars[, c('vs', 'am')]; colnames(x)[max.col(x)] - rawr

@rawr 发布为答案？ - Rui Barradas

@rawr 是的，你应该把那个作为答案发表。那是一个绝佳的解决方案。 - Allan Cameron

Answer 1

以下是解决方案...

首先对 carb 进行独热编码。

mtcars$carb <- factor(mtcars$carb)
df <- as.data.frame(model.matrix(~ carb - 1, mtcars))
head(df)

#>                   carb1 carb2 carb3 carb4 carb6 carb8
#> Mazda RX4             0     0     0     1     0     0
#> Mazda RX4 Wag         0     0     0     1     0     0
#> Datsun 710            1     0     0     0     0     0
#> Hornet 4 Drive        1     0     0     0     0     0
#> Hornet Sportabout     0     1     0     0     0     0
#> Valiant               1     0     0     0     0     0

当然，我们可以选择热编码变量

library(dplyr)

df %>% 
   rowwise() %>% 
   mutate(remade = which.max(c_across(starts_with("carb")))) %>%
   ungroup %>%
   mutate(remade = factor(remade))

#> # A tibble: 32 x 7
#>    carb1 carb2 carb3 carb4 carb6 carb8 remade
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> 
#>  1     0     0     0     1     0     0 4     
#>  2     0     0     0     1     0     0 4     
#>  3     1     0     0     0     0     0 1     
#>  4     1     0     0     0     0     0 1     
#>  5     0     1     0     0     0     0 2     
#>  6     1     0     0     0     0     0 1     
#>  7     0     0     0     1     0     0 4     
#>  8     0     1     0     0     0     0 2     
#>  9     0     1     0     0     0     0 2     
#> 10     0     0     0     1     0     0 4     
#> # … with 22 more rows

这是一个函数，它可以选择保留或删除单热编码列，就像@KM_83所述。

cold_encode <- function(df, encoded_prefix, keep_dummies = FALSE) {
   var <- sym(encoded_prefix)
   df <- 
      df %>%
      rowwise() %>%
      mutate({{ var }} := which.max(c_across(starts_with(encoded_prefix)))) %>%
      ungroup %>%
      mutate({{ var }} := factor({{ var }})) 
   if (!keep_dummies) {
      df <- 
      df %>% select(-matches(paste0(encoded_prefix,1:9)))
   }
   return(df)
}

cold_encode(df, "carb")
#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear carb 
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1     4 4    
#>  2  21       6  160    110  3.9   2.88  17.0     0     1     4 4    
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4 1    
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3 1    
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3 2    
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3 1    
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3 4    
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0     4 2    
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4 2    
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4 4    
#> # … with 22 more rows

- Chuck P

Answer 2

这个怎么样？

library(dplyr)
df <- mtcars
df$cyl <- as.factor(df$cyl) 
dummies <- data.frame(model.matrix( ~ 0 + cyl, df))  # create one-hot dummies
df <- cbind(mtcars %>% select(-cyl), dummies)

convert_one_hot_back <- function(df, prefix, keep_dummies=FALSE) {
  df_dum <- df %>% dplyr::select(starts_with(prefix))
  vars <- names(dummies) 
  df_dum[[prefix]] <- NA
  for (var in vars) {
    idx <- df_dum[[var]] == 1
    df_dum[[prefix]][idx] <- gsub(prefix,'', var)
  }
  if (!keep_dummies) {
    df_dum <- df_dum %>% select(prefix)
  }
  return(cbind(df %>% dplyr::select(-vars), df_dum ))
}

convert_one_hot_back(df, 'cyl') # convert one-hot dummies to the dummy-label var

- KM_83