R-Yelp数据业务类别列中每个业务有多个类别。要将值为1和0的列分隔为特定于类别的列吗

提前感谢您为任何人谁将尝试和帮助这一点

我使用的是Yelp数据集，我想回答的问题是“对于X类，哪些类别与更高的恒星正相关（例如条形图）”

我遇到的问题是，对于每个业务，每个业务id的类别都集中在一列和一行中。因此，我需要一种方法来分离每个类别，将它们转换为列，然后检查原始类别列是否包含创建该列的类别

我目前的思路是使用带有business\u id的group\u by，然后unnest\u标记该列，然后model.matrix（）将该列划分为我想要的部分，然后将其加入到我正在使用的df中。但我无法让model.matrix通过并保持业务id连接到每一行

# an example of what I am using #
df <- 
  data_frame(business_id = c("bus_1",
                             "bus_2", 
                             "bus_3"),
             categories=c("Pizza, Burgers, Caterers",
                          "Pizza, Restaurants, Bars",
                          "American, Barbeque, Restaurants"))

# what I want it to look like #
desired_df <- 
  data_frame(business_id = c("bus_1",
                             "bus_2",
                             "bus_3"),
             categories=c("Pizza, Burgers, Caterers",
                          "Pizza, Restaurants, Bars",
                          "American, Barbeque, Restaurants"),
             Pizza = c(1, 1, 0),
             Burgers = c(1, 0, 0),
             Caterers = c(1, 0, 0),
             Restaurants = c(0, 1, 1),
             Bars = c(0, 1, 0),
             American = c(0, 0, 1),
             Barbeque = c(0, 0, 1))

# where I am stuck #
df %>%
  select(business_id, categories) %>% 
  group_by(business_id) %>% 
  unnest_tokens(categories, categories, token = 'regex', pattern=", ") %>%
  model.matrix(business_id ~ categories, data = .) %>% 
  as_data_frame

#我正在使用的示例#
df%
分组人（业务id）%>%
unnest_标记（类别，类别，标记='regex'，pattern=“，”）%>%
模型.矩阵（业务id~类别，数据=）%>%
as_数据_帧

编辑：在这篇文章和下面的答案之后，我使用spread（）遇到了一个重复的标识符错误。这把我带到了这个帖子，我的问题的答案被贴在这里，我已经在下面重新贴过了

#使用较小的data.frame复制错误#

库（tidyverse）
df#A tible:5 x 2
#>年龄性别
#>     
#>121男
#>2 17女
#>3 32名女性
#>429男
#>5 15男
df%>%
传播（关键=性别，价值=年龄）
#>错误：行（2,3）、（1,4,5）的标识符重复

#解决问题#

df%>%
按（vars（-age））%>%分组#按值列以外的所有内容分组。
mutate（row_id=1:n（））%%>%ungroup（）%%>%#生成组索引
传播（关键=性别，价值=年龄）%>%#传播
选择（-row_id）#删除索引
#>#tibble:3 x 2
#>男女
#>     
#> 1 17     21   
#> 2 32     29   
#>3 NA 15

以下是一个简单的tidyverse解决方案：

library(tidyverse)

df %>% 
  mutate(
    ind = 1,
    tmp = strsplit(categories, ", ")
  ) %>% 
  unnest(tmp) %>% 
  spread(tmp, ind, fill = 0)
## A tibble: 3 x 9
#  business_id categories                      American Barbeque  Bars Burgers Caterers Pizza Restaurants
#  <chr>       <chr>                              <dbl>    <dbl> <dbl>   <dbl>    <dbl> <dbl>       <dbl>
#1 bus_1       Pizza, Burgers, Caterers               0        0     0       1        1     1           0
#2 bus_2       Pizza, Restaurants, Bars               0        0     1       0        0     1           1
#3 bus_3       American, Barbeque, Restaurants        1        1     0       0        0     0           1

库（tidyverse）
df%>%
变异(
ind=1，
tmp=strsplit（类别，“，”）
) %>% 
未测试（tmp）%>%
排列（tmp、ind、填充=0）
##一个tibble:3x9
#商务分类美国烧烤酒吧汉堡餐饮店比萨饼餐厅
#                                                           
#1辆巴士1比萨饼、汉堡、餐饮服务商0 0 1 1 0
#2辆巴士2比萨饼、餐厅、酒吧0 0 1 0 1 1
#3辆公共汽车3辆美国车，烧烤，餐厅1 100 1

以下是一个简单的tidyverse解决方案：

library(tidyverse)

df %>% 
  mutate(
    ind = 1,
    tmp = strsplit(categories, ", ")
  ) %>% 
  unnest(tmp) %>% 
  spread(tmp, ind, fill = 0)
## A tibble: 3 x 9
#  business_id categories                      American Barbeque  Bars Burgers Caterers Pizza Restaurants
#  <chr>       <chr>                              <dbl>    <dbl> <dbl>   <dbl>    <dbl> <dbl>       <dbl>
#1 bus_1       Pizza, Burgers, Caterers               0        0     0       1        1     1           0
#2 bus_2       Pizza, Restaurants, Bars               0        0     1       0        0     1           1
#3 bus_3       American, Barbeque, Restaurants        1        1     0       0        0     0           1

库（tidyverse）
df%>%
变异(
ind=1，
tmp=strsplit（类别，“，”）
) %>% 
未测试（tmp）%>%
排列（tmp、ind、填充=0）
##一个tibble:3x9
#商务分类美国烧烤酒吧汉堡餐饮店比萨饼餐厅
#                                                           
#1辆巴士1比萨饼、汉堡、餐饮服务商0 0 1 1 0
#2辆巴士2比萨饼、餐厅、酒吧0 0 1 0 1 1
#3辆公共汽车3辆美国车，烧烤，餐厅1 100 1

根据您对

tidytext:：unnest_tokens（）的良好使用，您还可以使用此替代解决方案

library(dplyr)
library(tidyr)
library(tidytext)

df %>%
  select(business_id, categories) %>% 
  group_by(business_id) %>% 
  unnest_tokens(categories, categories, token = 'regex', pattern=", ") %>% 
  mutate(value = 1) %>% 
  spread(categories, value, fill = 0)
# business_id american barbeque  bars burgers caterers pizza restaurants
# <chr>          <dbl>    <dbl> <dbl>   <dbl>    <dbl> <dbl>       <dbl>
# bus_1              0        0     0       1        1     1           0
# bus_2              0        0     1       0        0     1           1
# bus_3              1        1     0       0        0     0           1

库（dplyr）
图书馆（tidyr）
图书馆（tidytext）
df%>%
选择（业务id，类别）%>%
分组人（业务id）%>%
unnest_标记（类别，类别，标记='regex'，pattern=“，”）%>%
变异（值=1）%>%
排列（类别、值、填充=0）
#美国烧烤吧汉堡餐饮店比萨饼餐厅
#                               
#巴士1 0 0 1 1 0
#总线2 0 0 1 0 1 1 1
#总线3 1 0 0 0 1
根据您对
tidytext:：unnest_tokens（）的良好使用，您还可以使用此替代解决方案

library(dplyr)
library(tidyr)
library(tidytext)

df %>%
  select(business_id, categories) %>% 
  group_by(business_id) %>% 
  unnest_tokens(categories, categories, token = 'regex', pattern=", ") %>% 
  mutate(value = 1) %>% 
  spread(categories, value, fill = 0)
# business_id american barbeque  bars burgers caterers pizza restaurants
# <chr>          <dbl>    <dbl> <dbl>   <dbl>    <dbl> <dbl>       <dbl>
# bus_1              0        0     0       1        1     1           0
# bus_2              0        0     1       0        0     1           1
# bus_3              1        1     0       0        0     0           1

库（dplyr）
图书馆（tidyr）
图书馆（tidytext）
df%>%
选择（业务id，类别）%>%
分组人（业务id）%>%
unnest_标记（类别，类别，标记='regex'，pattern=“，”）%>%
变异（值=1）%>%
排列（类别、值、填充=0）
#美国烧烤吧汉堡餐饮店比萨饼餐厅
#                               
#巴士1 0 0 1 1 0
#总线2 0 0 1 0 1 1 1
#总线3 1 0 0 0 1
非常感谢您提供了这个简明的答案！非常感谢您的简明回答！嘿，我只是想更新一下。我遇到了重复的标识符错误。它将我引向这个线程，在那里发布了它的解决方案。啊，是的，
spread（）
在无法识别唯一行时可能会遇到困难。很高兴你找到了解决办法。作为替代方案，我强烈建议
{cdata}
满足您的数据转换需求。但是，
spread（）
更适合您当前的工作流程。嘿，我只是想更新一下。我遇到了重复的标识符错误。它将我引向这个线程，在那里发布了它的解决方案。啊，是的，
spread（）
在无法识别唯一行时可能会遇到困难。很高兴你找到了解决办法。作为替代方案，我强烈建议
{cdata}
满足您的数据转换需求。但是，
spread（）
更适合您当前的工作流程。