R 将字符列拆分为多个二进制（0/1）列

我有这样一个字符向量：

---

a您可以从我的“splitstackshape”软件包中尝试
cSplit\u e
：


一种非常直接的base R方法是将
表格
与
堆栈
和
strsplit
一起使用：

table(rev(stack(setNames(strsplit(a, ",", TRUE), seq_along(a)))))
#    values
# ind a b c d
#   1 1 1 1 0
#   2 1 1 0 0
#   3 1 1 1 1

基本
R
-但更长的解决方案：

el = unique(unlist(strsplit(a, ',')))
do.call(rbind, lapply(a, function(u) setNames(el %in% strsplit(u,',')[[1]]+0L, el))
#     a b c d
#[1,] 1 1 1 0
#[2,] 1 1 0 0
#[3,] 1 1 1 1

x  <- strsplit(a,",")
xl <- unique(unlist(x))

t(sapply(x,function(z)table(factor(z,levels=xl))))

另一个复杂的base-R解决方案：

el = unique(unlist(strsplit(a, ',')))
do.call(rbind, lapply(a, function(u) setNames(el %in% strsplit(u,',')[[1]]+0L, el))
#     a b c d
#[1,] 1 1 1 0
#[2,] 1 1 0 0
#[3,] 1 1 1 1

x  <- strsplit(a,",")
xl <- unique(unlist(x))

t(sapply(x,function(z)table(factor(z,levels=xl))))

另一个选项是
tstrsplit（）
from:

在我写了这篇文章之后，我注意到博维尔上校的解决方案非常相似，但也许这是一个足够明显的单独的解决方案。没有使用任何软件包

首先，我们将字符串拆分为向量列表，
L
，然后计算它们的并集，
u
。最后，我们为每个列表元素确定一个二进制向量，并将它们一起
rbind
，使用
+0
将结果从逻辑转换为数字，并设置列名

L <- strsplit(a, ",")
u <- Reduce(union, L)
m <- do.call(rbind, lapply(L, `%in%`, x = u)) + 0
colnames(m) <- u

添加了最后两行代码可以替换为以下任一行：

do.call(rbind, lapply(lapply(L, factor, levels = u), table))

do.call(rbind, Map(function(x) sapply(u, `%in%`, x), L)) + 0

不幸的是，base R不提供矢量化字符串匹配函数，但是
stringi
包提供

library(stringi)
a=c("a,b,c", "a,b", "a,b,c,d")
1*outer(a,unique(unlist(strsplit(a,","))),stri_detect_regex)

#     [,1] [,2] [,3] [,4]
#[1,]    1    1    1    0
#[2,]    1    1    0    0
#[3,]    1    1    1    1

我在
fastDummies
中成功地使用了
dummy\u cols
，它可以非常简单地处理这个问题，并且可以通过变量指定

library(fastDummies)

a <- c("a,b,c", "a,b", "a,b,c,d")
a <- dummy_cols(a, split = ",")

你当然可以使用
read.table
加上某种形式的“重塑”方式，但你可能会继续挣扎：-）这是一个惊人的解决方案-但是，我不确定
+0L
的功能。你介意解释一下这个答案的逻辑吗？它在
a
的每个元素上循环，拆分它们，如果这些拆分的元素位于
el
中，则返回一个布尔向量。我只需添加
0
即可将布尔向量转换为
0/1
向量！哈，不知道
stack
是base R中的一个东西。很酷的东西。您的strsplit中的
TRUE
在这里似乎没有任何作用。@Frank，除了加快速度之外什么都没有做。看起来不错，
部分看起来很聪明。它是否使用了
'0'>0#FALSE
，而其他的都是true，这取决于
fill=0
> m
     a b c d
[1,] 1 1 1 0
[2,] 1 1 0 0
[3,] 1 1 1 1

do.call(rbind, lapply(lapply(L, factor, levels = u), table))

do.call(rbind, Map(function(x) sapply(u, `%in%`, x), L)) + 0

library(stringi)
a=c("a,b,c", "a,b", "a,b,c,d")
1*outer(a,unique(unlist(strsplit(a,","))),stri_detect_regex)

#     [,1] [,2] [,3] [,4]
#[1,]    1    1    1    0
#[2,]    1    1    0    0
#[3,]    1    1    1    1

library(fastDummies)

a <- c("a,b,c", "a,b", "a,b,c,d")
a <- dummy_cols(a, split = ",")

#    .data .data_a .data_b .data_c .data_d
# 1   a,b,c       1       1       1       0
# 2     a,b       1       1       0       0
# 3 a,b,c,d       1       1       1       1