Automatyczne rozszerzanie czynnika R do zbioru zmiennych wskaźnikowych 1/0 dla każdego poziomu czynnika

Mam ramkę danych R zawierającą czynnik, który chcę „rozszerzyć”, tak aby dla każdego poziomu czynnika była powiązana kolumna w nowej ramce danych, która zawiera wskaźnik 1/0. Np. Załóżmy, że mam:

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

Chcę:

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

Ponieważ w przypadku niektórych analiz, do których trzeba mieć całkowicie numeryczną ramkę danych (np. Analiza głównych składowych), pomyślałem, że ta funkcja może być wbudowana. Napisanie funkcji, która to zrobi, nie powinno być zbyt trudne, ale mogę przewidzieć kilka wyzwania związane z nazwami kolumn i jeśli coś już istnieje, wolałbym tego użyć.

Użyj model.matrixfunkcji:

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

Jeśli twoja ramka danych składa się tylko z czynników (lub pracujesz nad podzbiorem zmiennych, które są wszystkimi czynnikami), możesz również użyć acm.disjonctiffunkcji z ade4pakietu:

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

Nie jest to dokładnie ten przypadek, który opisujesz, ale może być też przydatny ...

Szybki sposób korzystania z reshape2pakietu:

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

Zauważ, że daje to dokładnie takie nazwy kolumn, jakie chcesz.

prawdopodobnie zmienna zastępcza jest podobna do tego, czego chcesz. Wtedy przydaje się model.matrix:

> 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

Późne wejście class.indz nnetpaczki

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

Właśnie natknąłem się na ten stary wątek i pomyślałem, że dodam funkcję, która wykorzystuje ade4 do pobrania ramki danych składającej się z czynników i / lub danych liczbowych i zwraca ramkę danych z czynnikami jako fałszywymi kodami.

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)
} 

Spróbujmy.

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)

Oto bardziej przejrzysty sposób, aby to zrobić. Używam model.matrix do tworzenia fikcyjnych zmiennych boolowskich, a następnie łączę je z powrotem z oryginalną ramką danych.

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.

Potrzebowałem funkcji do „eksplodowania” czynników, która jest nieco bardziej elastyczna, i utworzyłem ją na podstawie funkcji acm.disjonctif z pakietu ade4. Pozwala to na wybranie rozstrzelonych wartości, które są równe 0 i 1 w acm.disjonctif. Rozbija tylko czynniki, które mają „kilka” poziomów. Kolumny numeryczne są zachowane.

# 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)
}