自动将R系数扩展为每个系数级别的1/0指标变量集合
我有一个R数据框，其中包含一个我想要“扩展”的因子，因此对于每个因子级别，在一个新的数据框中有一个关联的列，其中包含一个1/0指标。例如，假设我有：自动将R系数扩展为每个系数级别的1/0指标变量集合,r,R,我有一个R数据框，其中包含一个我想要“扩展”的因子，因此对于每个因子级别，在一个新的数据框中有一个关联的列，其中包含一个1/0指标。例如，假设我有： df.original <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c(1,2,3,4)) df.original可能虚拟变量与您想要的类似。 然后，model.matrix很有用： > with(df.original, data.frame(model.matr
df.original <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c(1,2,3,4))
df.original可能虚拟变量与您想要的类似。
然后，model.matrix很有用：
> 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
使用model.matrix
功能：
model.matrix( ~ Species - 1, data=iris )
如果您的数据框仅由因子组成（或者您正在处理所有因子的变量子集），您还可以使用ade4
软件包中的acm.disjoncif
功能：
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
R>库（ade4）
R> df acm.disjonctif（df）
鸡蛋。条状鸡蛋。富火腿。蓝色火腿。绿色火腿。红色
1 0 1 0 0 1
2 0 1 1 0 0
3 1 0 0 1 0
4 1 0 0 0 1
不完全是您所描述的情况，但它也很有用…使用重塑2
包的快速方法：
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
请注意，这将精确地生成所需的列名 刚刚遇到这个旧线程，我想我应该添加一个函数，利用ade4获取由因子和/或数字数据组成的数据帧，并返回一个以因子作为伪代码的数据帧
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)
}
虚拟来自nnet
软件包的延迟输入class.ind
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
我需要一个函数来“分解”更灵活的因子，并基于ade4包中的acm.disjonctif函数制作了一个函数。
这允许您选择分解值，即acm.disjonctif中的0和1。它只会分解“很少”级别的因素。保留数字列
# 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)
}
#用于分解被认为是分类的因素的函数，
#也就是说，它们没有太多的级别。
#-data：分类变量将在其中分解的data.frame。
#-值：不相等或等于某个级别的值的分解值。
#-max_factor_level_fraction：作为列长度分数的最大级别数。设置为1可分解所有因子。
#灵感来源于ade4软件包中的acm.disjonctif函数。
分解因子这里有一个更明确的方法。我使用model.matrix创建虚拟布尔变量，然后将其合并回原始数据帧
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.
df.原始毫米
#eggsbar eggsfoo
# 1 0 1
# 2 0 1
# 3 1 0
# 4 1 0
#属性（，“分配”）
# [1] 1 1
#属性（，“对比度”）
#属性（，“对比度”）$鸡蛋
#[1]“对照治疗”
#根据需要从列名中删除“eggs”前缀。
colnames（mm）很好。但是要小心火腿的复制品。比如说，d@Kohske，是的，但我假设ham
是唯一的行id。如果ham
不是唯一的id，则必须使用其他唯一id（或创建一个虚拟id），并使用该id代替ham
。将分类标签转换为二进制指示符只对唯一ID有意义。我可以补充一点，对我来说，这种方法比使用cast
快得多。@GregSnow我回顾了“公式”和“模型.矩阵”
“的第2段，但不清楚（可能是因为我缺乏矩阵代数和模型公式方面的深度知识）。在深入挖掘之后，我发现-1只是指定不包含“截距”列。如果您省略-1，您将在输出中看到一个截取列1，其中一个二进制列被省略。您可以根据其他列的值为0的行来查看省略的列是1的哪些值。文档似乎很神秘-还有其他好的资源吗？@Ryancase，有很多在线教程还有关于R/S的书（有几本在R-project.org网页上有简要说明）。我自己对S和R的学习是相当折衷的（而且很长），因此，我不是最适合就当前书籍/教程如何吸引初学者发表意见的人。然而，我是一个实验迷。在新的R课程中尝试一些东西可能非常有启发性，也不会有危险（发生在我身上的最坏情况是R崩溃，而这很少导致R的改进）.Stackoverflow是了解发生了什么的一个很好的资源。如果您想转换所有因子列，可以使用：model.matrix（~，data=iris）[，-1]
@colin，不是全自动的，但是你可以使用naresid
在使用na.exclude
后将缺少的值放回。一个简单的例子：tmp谢谢，这对我帮助很大，因为它使用的内存比model.matrix少！我喜欢变量的命名方式；我不喜欢当ey（IMHO）应该是逻辑的。
# 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)
}
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.