Secara otomatis memperluas faktor R menjadi kumpulan variabel indikator 1/0 untuk setiap tingkat faktor

Saya memiliki bingkai data R yang berisi faktor yang ingin saya "kembangkan" sehingga untuk setiap tingkat faktor, ada kolom terkait dalam bingkai data baru, yang berisi indikator 1/0. Misal, misalkan saya memiliki:

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

Saya ingin:

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

Karena untuk analisis tertentu yang memerlukan kerangka data numerik lengkap (misalnya, analisis komponen utama), saya pikir fitur ini mungkin sudah ada di dalamnya. Menulis fungsi untuk melakukan ini seharusnya tidak terlalu sulit, tetapi saya dapat memperkirakan beberapa tantangan yang berkaitan dengan nama kolom dan jika sudah ada sesuatu, saya lebih suka menggunakannya.

Gunakan model.matrixfungsi:

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

Jika bingkai data Anda hanya terdiri dari faktor-faktor (atau Anda mengerjakan subset variabel yang semuanya merupakan faktor), Anda juga dapat menggunakan acm.disjonctiffungsi dari ade4paket:

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

Tidak persis seperti kasus yang Anda gambarkan, tetapi ini juga bisa berguna ...

Cara cepat menggunakan reshape2paket:

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

Perhatikan bahwa ini menghasilkan nama kolom yang Anda inginkan dengan tepat.

mungkin variabel dummy mirip dengan yang Anda inginkan. Kemudian, model.matrix berguna:

> 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

Entri terlambat class.inddari nnetpaket

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

Baru saja menemukan utas lama ini dan berpikir saya akan menambahkan fungsi yang menggunakan ade4 untuk mengambil kerangka data yang terdiri dari faktor dan / atau data numerik dan mengembalikan kerangka data dengan faktor sebagai kode dummy.

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)
} 

Ayo coba.

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)

Berikut cara yang lebih jelas untuk melakukannya. Saya menggunakan model.matrix untuk membuat variabel boolean dummy dan kemudian menggabungkannya kembali ke dataframe asli.

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.

Saya membutuhkan fungsi untuk 'meledakkan' faktor-faktor yang sedikit lebih fleksibel, dan membuatnya berdasarkan fungsi acm.disjonctif dari paket ade4. Ini memungkinkan Anda untuk memilih nilai yang meledak, yaitu 0 dan 1 dalam acm.disjonctif. Itu hanya meledakkan faktor-faktor yang memiliki level 'sedikit'. Kolom numerik dipertahankan.

# 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)
}