R 从分类变量创建新的虚拟变量列
我有几个数据集，包含75000个观察值和一个值为0-4的R 从分类变量创建新的虚拟变量列,r,R,我有几个数据集，包含75000个观察值和一个值为0-4的type变量。我想为所有类型的每个数据集添加五个新的虚拟变量。我能想出的最好办法如下： # For the 'binom' data set create dummy variables for all types in all data sets binom.dummy.list<-list() for(i in 0:4){ binom.dummy.list[[i+1]]<-sapply(binom$type,func
type# For the 'binom' data set create dummy variables for all types in all data sets
binom.dummy.list<-list()
for(i in 0:4){
binom.dummy.list[[i+1]]<-sapply(binom$type,function(t) ifelse(t==i,1,0))
}
# Add and merge data
binom.dummy.df<-as.data.frame(do.call("cbind",binom.dummy.list))
binom.dummy.df<-transform(binom.dummy.df,id=1:nrow(binom))
binom<-merge(binom,binom.dummy.df,by="id")
#对于“binom”数据集，为所有数据集中的所有类型创建虚拟变量
binom.dummy.listDrew，这要快得多，不会造成任何崩溃
> binom <- data.frame(data=runif(1e5),type=sample(0:4,1e5,TRUE))
> for(t in unique(binom$type)) {
+ binom[paste("type",t,sep="")] <- ifelse(binom$type==t,1,0)
+ }
> head(binom)
data type type2 type4 type1 type3 type0
1 0.11787309 2 1 0 0 0 0
2 0.11884046 4 0 1 0 0 0
3 0.92234950 4 0 1 0 0 0
4 0.44759259 1 0 0 1 0 0
5 0.01669651 2 1 0 0 0 0
6 0.33966184 3 0 0 0 1 0
>binom for（t为唯一（binom$type））{
+比诺姆[粘贴（“类型”，t，sep=“”）]头部（比诺姆）
数据类型type2 type4 type1 type3 type0
1 0.11787309 2 1 0 0 0 0
2 0.11884046 4 0 1 0 0 0
3 0.92234950 4 0 1 0 0 0
4 0.44759259 1 0 0 1 0 0
5 0.01669651 2 1 0 0 0 0
6 0.33966184 3 0 0 0 1 0
如果else
是矢量化的，因此如果我正确理解了您的代码，您就不需要使用sapply
。而且我不会使用merge-我会使用SQLite或PostgreSQL
一些示例数据也会有所帮助：-）使用model.matrix（）怎么样
>binom头（binom）
数据类型
1 0.1412164 2
2 0.8764588 2
3 0.5559061 4
4 0.3890109 3
5 0.8725753 3
6 0.8358100 1
>inds负责人（inds）
因子（binom$类型）0因子（binom$类型）1因子（binom$类型）2因子（binom$类型）3因子（binom$类型）4
1 0 0 1 0 0
2 0 0 1 0 0
3 0 0 0 0 1
4 0 0 0 1 0
5 0 0 0 1 0
6 0 1 0 0 0
R有一个“子语言”将公式转换为设计矩阵，本着语言的精神，您可以利用它。它快速而简洁。例如：您有一个基数预测器x、一个分类预测器catVar和一个响应y
> binom <- data.frame(y=runif(1e5), x=runif(1e5), catVar=as.factor(sample(0:4,1e5,TRUE)))
> head(binom)
y x catVar
1 0.5051653 0.34888390 2
2 0.4868774 0.85005067 2
3 0.3324482 0.58467798 2
4 0.2966733 0.05510749 3
5 0.5695851 0.96237936 1
6 0.8358417 0.06367418 2
>binom头（binom）
y×catVar
1 0.5051653 0.34888390 2
2 0.4868774 0.85005067 2
3 0.3324482 0.58467798 2
4 0.2966733 0.05510749 3
5 0.5695851 0.96237936 1
6 0.8358417 0.06367418 2
你就是这样
> A <- model.matrix(y ~ x + catVar,binom)
> head(A)
(Intercept) x catVar1 catVar2 catVar3 catVar4
1 1 0.34888390 0 1 0 0
2 1 0.85005067 0 1 0 0
3 1 0.58467798 0 1 0 0
4 1 0.05510749 0 0 1 0
5 1 0.96237936 1 0 0 0
6 1 0.06367418 0 1 0 0
>头部（A）
（截距）x catVar1 catVar2 catVar3 catVar4
1 1 0.34888390 0 1 0 0
2 1 0.85005067 0 1 0 0
3 1 0.58467798 0 1 0 0
4 1 0.05510749 0 0 1 0
5 1 0.96237936 1 0 0 0
6 1 0.06367418 0 1 0 0
完成。如果您愿意使用该软件包，则有一个one\u hot（）方法
哪些列应为一个热编码列？cols=“auto”对所有无序因子列进行编码。因此，下面的命令是等效的。这仅在data.table包含不应编码的因子时才重要
one_hot(binom, cols="catVar")
recipes包也可以非常强大地实现这一点。下面的示例非常详细，但只要添加更多预处理步骤，它就可以非常干净
library(recipes)
binom <- data.frame(y = runif(1e5),
x = runif(1e5),
catVar = as.factor(sample(0:4, 1e5, TRUE))) # use the example from gappy
head(binom)
new_data <- recipe(y ~ ., data = binom) %>%
step_dummy(catVar) %>% # add dummy variable
prep(training = binom) %>% # apply the preprocessing steps (could be more than just adding dummy variables)
bake(newdata = binom) # apply the recipe to new data
head(new_data)
库（配方）
binom%#添加虚拟变量
prep（training=binom）%>%#应用预处理步骤（可能不仅仅是添加虚拟变量）
烘焙（newdata=binom）#将配方应用于新数据
总目（新数据）
其他step示例包括step_scale、step_center、step_pca等。单层神经网络的nnet软件包（不了解因素）有一个转换命令：class.ind。您可以使用名为dummies的软件包。
binom <- data.frame(y=runif(1e5), x=runif(1e5), catVar=as.factor(sample(0:4,1e5,TRUE)))
head(binom)
y x catVar
1 0.4143348 0.09721401 1
2 0.3140782 0.54340539 3
3 0.1262037 0.51820499 2
4 0.7159850 0.13167720 3
5 0.8203528 0.94116026 3
6 0.2169781 0.82020216 1
binom任何简单的相反方向的方法，即你有虚拟变量，但想将它们折叠成一个变量？请注意，如果你改变使用的对比度类型，你会得到不同的结果。此外，对于有序因子和无序因子，你会得到不同的答案。在R中设置的默认对比度是选项（对比度=c（“对照疗法”、“对照疗法”）
。请参阅《对比》
，以增加您的困惑。还要注意，这里的示例有5个类别，因为索引从0样本开始（0:4，1e5，TRUE）
。我认为在base R中不可能自动生成所有级别的虚拟变量。这个特定的示例恰好省略了0的任何样本，这些样本将在模型矩阵中显示为一行零。这种方法会删除带有NAs的行，这使我更喜欢Joshua Ullrich的答案。为了澄清geneorama的观点，例如n le变量的级别您只需要n-1个虚拟变量来表示信息。（如果出于某种原因，您想要破解model.matrix（）
来显式表示所有列，您可以添加一个引用级别，而不包含任何成员，如级别（binom$catVar）如果你不想截取，那么使用一个好的解决方案。我可以建议，在“粘贴”之前加入一点“make.names”如果级别名称包含一些有争议的字符。如果类型变量也有NA值呢？除了1和0之外，我们如何将NA值作为单独的变量保留？将NA值编码为NA以外的其他值。
one_hot(binom, cols="catVar")
library(recipes)
binom <- data.frame(y = runif(1e5),
x = runif(1e5),
catVar = as.factor(sample(0:4, 1e5, TRUE))) # use the example from gappy
head(binom)
new_data <- recipe(y ~ ., data = binom) %>%
step_dummy(catVar) %>% # add dummy variable
prep(training = binom) %>% # apply the preprocessing steps (could be more than just adding dummy variables)
bake(newdata = binom) # apply the recipe to new data
head(new_data)
binom <- data.frame(y=runif(1e5), x=runif(1e5), catVar=as.factor(sample(0:4,1e5,TRUE)))
head(binom)
y x catVar
1 0.4143348 0.09721401 1
2 0.3140782 0.54340539 3
3 0.1262037 0.51820499 2
4 0.7159850 0.13167720 3
5 0.8203528 0.94116026 3
6 0.2169781 0.82020216 1
library(dummies)
binom<-dummy.data.frame(binom)
head(binom)
y x catVar0 catVar1 catVar2 catVar3 catVar4
1 0.4143348 0.09721401 0 1 0 0 0
2 0.3140782 0.54340539 0 0 0 1 0
3 0.1262037 0.51820499 0 0 1 0 0
4 0.7159850 0.13167720 0 0 0 1 0
5 0.8203528 0.94116026 0 0 0 1 0
6 0.2169781 0.82020216 0 1 0 0 0