r-我可以使用pivot_langer来生成一系列二分变量吗

Question

我的数据集大致如下。有没有一种方法可以使用pivot_longer()将列变量转换为一系列二分变量，1表示行有该值，0表示没有？

这是不对的，但这是我的尝试。期望的输出在末尾。

library(tidyverse)
election<-sample(seq(1965,2000, by=5),replace=T, size=100)
var1<-sample(c('red', 'blue'), replace=T, size=100)
var2<-sample(c(0,1), replace=T, size=100)
var3<-sample(c('up', 'down'), replace=T, size=100)             
df<-data.frame(election, var1, var2, var3)
df %>% 
pivot_longer(names_from=election, values_from=election)

>2000年><1> td style="text align=center；">0

vaar1	var2	var3		1985style="text align=center；">1990年	1995年
红色	0	向上	0	0	0	0	0

使用来自data.table(R 4.1.0(的dcast

library(data.table)
dcast(setDT(df), ... ~ election,  value.var = 'election', (x) +(length(x) > 0))

-输出

var1 var2 var3 1965 1970 1975 1980 1985 1990 1995 2000
1: blue    0 down    1    1    1    1    0    1    1    1
2: blue    0   up    0    1    1    1    1    1    0    1
3: blue    1 down    1    1    0    0    1    1    1    1
4: blue    1   up    1    1    0    1    0    1    0    1
5:  red    0 down    1    1    1    1    1    1    0    1
6:  red    0   up    1    1    1    0    0    1    1    1
7:  red    1 down    1    1    1    1    1    0    1    1
8:  red    1   up    1    1    1    1    1    1    1    1

library(tidyr)
df %>% 
pivot_wider(id_cols = var1:var3, 
names_from = election, 
values_from = election, 
values_fn = (x) as.integer(length(x) > 0),
values_fill = 0L,
names_sort = T)

如果您的R版本是<4.1.0然后用function(x)替换(x)。

输出

var1   var2 var3  `1965` `1970` `1975` `1980` `1985` `1990` `1995` `2000`
<chr> <dbl> <chr>  <int>  <int>  <int>  <int>  <int>  <int>  <int>  <int>
1 red       1 down       1      1      1      1      0      1      0      1
2 red       0 down       1      1      1      1      1      1      1      1
3 red       1 up         1      1      0      1      1      0      1      1
4 blue      0 down       1      1      1      1      1      1      1      1
5 blue      1 down       0      1      1      1      1      0      1      0
6 blue      1 up         1      0      0      0      1      1      1      1
7 blue      0 up         1      1      0      1      1      0      0      1
8 red       0 up         0      0      1      0      0      1      0      1

---

它的工作原理

为了帮助理解这是如何工作的，请关注将成为枢轴数据帧中一行的内容：

df %>% filter(var1 == "red", var2 == 1, var3 == "down") %>% arrange(election)
election var1 var2 var3
1      1965  red    1 down
2      1965  red    1 down
3      1970  red    1 down
4      1975  red    1 down
5      1980  red    1 down
6      1990  red    1 down
7      1990  red    1 down
8      2000  red    1 down
9      2000  red    1 down
10     2000  red    1 down
11     2000  red    1 down

1. 很明显，id_cols是var1:var3，例如，我们不想改变它们。因此，我们的重点是election列。

2. 同样明显的是，您希望election是列名，因此names_from = election也是列名，但当我们进行透视时，我们也希望对election的值进行处理。

3. 查看示例数据帧，其中var1 == "red", var2 == 1, var3 == "down"在选举中的值不是由var1:var3唯一标识的。因此，对于行var1 == "red", var2 == 1, var3 == "down"和列`1965`，在这种情况下我们有两个值：c(1965, 1965)和pivot_wider不确定如何处理这些值(默认情况下，它将它们存储为list对象(。

4. 因此，我们提供了关于在这种情况下要做什么的说明，pivot_wider应用我们传递给values_fn的函数。在该示例中，这将解析为as.integer(length(c(1965,1965)) > 0)，并且在这种情况下输出变为1。即使在它被唯一识别的地方，这个功能仍然可以工作：

as.integer(length(c(1980)) > 0)
[1] 1

因为我们只是测试是否有值，如果有.则返回1

5. 最后，并非每个election列都有var1:var3的值。对于本例，没有1985。默认情况下，pivot_wider将使用NA填充该值。我们提供了用带有values_fill参数的整数0L填充它的指令。试着在这个参数被注释掉的情况下运行它，它应该是清晰的