字符串变量中的虚拟变量

Question

我想从该数据集创建虚拟变量：DF<-structure(list(A = c(1, 2, 3, 4, 5), B = c("1,3,2", "2,1,3,6",   "3,2,5,1,7", "3,7,4,2,6,5", "4,10,7,3,5,6")), .Names = c("A", "B"),               row.names = c(NA, 5L), class = "data.frame")> DF  A                  B1 1              1,3,22 2            2,1,3,63 3          3,2,5,1,74 4        3,7,4,2,6,55 5       4,10,7,3,5,6所需的输出应如下所示：A  1  2  3  4  5  6  7  8  9  101  1  1  1  0  0  0  0  0  0  02  1  1  1  0  0  1  0  0  0  03  1  1  1  0  1  0  1  0  0  04  0  1  1  1  1  1  1  0  0  05  0  0  1  1  1  1  1  0  0  1有没有一种有效的方法来做这种事情？我可以使用strsplit或ifelse。原始数据集非常大，有很多行（> 10k），列B中的值（> 15k）。dummy包中的功能dummies无法正常运行。我也发现了类似的情况：将一列拆分为多列。但是在我的情况下，以上链接的解决方案确实工作缓慢（在Dell i7-2630QM，8Gb，Win7 64位，R 2.15.3 64位上，最多15分钟）。预先感谢您的回答。

Answer 1

你可以用一种方法ifelse和strsplit（除非我误解，你不希望使用他们？）是这样的....

cols <- 1:max( as.numeric( unlist(strsplit(DF$B,","))))

df <- t(apply(DF["B"] , 1 , function(x) ifelse( cols %in% as.numeric( unlist( strsplit(x , ",") ) ) , 1 , 0 ) ) )

colnames(df) <- cols

df

#  1 2 3 4 5 6 7 8 9 10

#1 1 1 1 0 0 0 0 0 0  0

#2 1 1 1 0 0 1 0 0 0  0

#3 1 1 1 0 1 0 1 0 0  0

#4 0 1 1 1 1 1 1 0 0  0

#5 0 0 1 1 1 1 1 0 0  1

我们的想法是，我们在所需的列中获得唯一值的向量，找到该max值并创建一个向量，1:max(value)然后将其应用于每一行，以找出该行的哪些值在所有值的向量中。ifelse如果有的话，我们通常会放一个1，如果没有的话，我们会放0。将vector在我们的比赛是一个序列，因此其输出为准备进行排序。