8

我有一个数据框，其中有一列是列表，如下所示：

>head(movies$genre_list)
[[1]]
[1] "drama"   "action"  "romance"
[[2]]
[1] "crime" "drama"
[[3]]
[1] "crime"   "drama"   "mystery"
[[4]]
[1] "thriller" "indie"  
[[5]]
[1] "thriller"
[[6]]
[1] "drama"  "family"

我想将这一列转换为多列，一个用于列表中的每个唯一元素（在本例中为流派），并将它们作为二进制列。我正在寻找一个优雅的解决方案，它不涉及首先找出有多少流派，然后为每个流派创建一个列，然后检查每个列表元素以填充流派列。我尝试了 unlist，但它不适用于我想要的列表向量。

谢谢！

4

2 回答 2

5

这里有一些方法：

movies <- data.frame(genre_list = I(list(
   c("drama",   "action",  "romance"),
   c("crime", "drama"),
   c("crime",   "drama",   "mystery"),
   c("thriller", "indie"),  
   c("thriller"),
   c("drama",  "family"))))

更新，多年后......

您可以使用“qdapTools”中的函数mtabulate或charMat我的“splitstackshape”包中未导出的函数。

语法是：

library(qdapTools)
mtabulate(movies$genre_list)
#   action crime drama family indie mystery romance thriller
# 1      1     0     1      0     0       0       1        0
# 2      0     1     1      0     0       0       0        0
# 3      0     1     1      0     0       1       0        0
# 4      0     0     0      0     1       0       0        1
# 5      0     0     0      0     0       0       0        1
# 6      0     0     1      1     0       0       0        0

或者

splitstackshape:::charMat(movies$genre_list, fill = 0)
#      action crime drama family indie mystery romance thriller
# [1,]      1     0     1      0     0       0       1        0
# [2,]      0     1     1      0     0       0       0        0
# [3,]      0     1     1      0     0       1       0        0
# [4,]      0     0     0      0     1       0       0        1
# [5,]      0     0     0      0     0       0       0        1
# [6,]      0     0     1      1     0       0       0        0

更新：一些更直接的方法

改进的选项1：table直接使用：

table(rep(1:nrow(movies), sapply(movies$genre_list, length)), 
      unlist(movies$genre_list, use.names=FALSE))

改进的选项 2：使用for循环。

x <- unique(unlist(movies$genre_list, use.names=FALSE))
m <- matrix(0, ncol = length(x), nrow = nrow(movies), dimnames = list(NULL, x))
for (i in 1:nrow(m)) {
  m[i, movies$genre_list[[i]]] <- 1
}
m

以下是旧答案

将列表转换为 s 的列表table（进而转换为data.frames）：

tables <- lapply(seq_along(movies$genre_list), function(x) {
  temp <- as.data.frame.table(table(movies$genre_list[[x]]))
  names(temp) <- c("Genre", paste("Record", x, sep = "_"))
  temp
})

使用结果列表Reduce。merge如果我正确理解您的最终目标，这将导致您感兴趣的结果的转置形式。

merged_tables <- Reduce(function(x, y) merge(x, y, all = TRUE), tables)
merged_tables
#      Genre Record_1 Record_2 Record_3 Record_4 Record_5 Record_6
# 1   action        1       NA       NA       NA       NA       NA
# 2    drama        1        1        1       NA       NA        1
# 3  romance        1       NA       NA       NA       NA       NA
# 4    crime       NA        1        1       NA       NA       NA
# 5  mystery       NA       NA        1       NA       NA       NA
# 6    indie       NA       NA       NA        1       NA       NA
# 7 thriller       NA       NA       NA        1        1       NA
# 8   family       NA       NA       NA       NA       NA        1

转置和转换NA为0非常简单。只需删除第一列并将其重新用作names新列data.frame

movie_genres <- setNames(data.frame(t(merged_tables[-1])), merged_tables[[1]])
movie_genres[is.na(movie_genres)] <- 0
movie_genres
于 2013-06-01T09:24:42.933 回答
3

使用与其他回复中相同的输入是一些替代方案：

1)因子/表/rbind

> levs <- levels(factor(unlist(movies[[1]])))
> as.data.frame(do.call(rbind, lapply(lapply(movies[[1]], factor, levs), table)))
  action crime drama family indie mystery romance thriller
1      1     0     1      0     0       0       1        0
2      0     1     1      0     0       0       0        0
3      0     1     1      0     0       1       0        0
4      0     0     0      0     1       0       0        1
5      0     0     0      0     0       0       0        1
6      0     0     1      1     0       0       0        0

2) make.groups/xtabs

> library(lattice)
> m <- do.call(make.groups, movies[[1]])
> as.data.frame.matrix(xtabs(~ which + data, m))
                                action crime drama family indie mystery romance thriller
c("drama", "action", "romance")      1     0     1      0     0       0       1        0
c("crime", "drama")                  0     1     1      0     0       0       0        0
c("crime", "drama", "mystery")       0     1     1      0     0       1       0        0
c("thriller", "indie")               0     0     0      0     1       0       0        1
thriller                             0     0     0      0     0       0       0        1
c("drama", "family")                 0     0     1      1     0       0       0        0

2a) make.groups/dcast这是替代方案 2 的变体，使用dcastfrom reshape2 代替as.data.frame.matrixand xtabs。融化的数据框m来自备选方案 2。

library(reshape2)
dcast(m, which ~ data, fun.aggregate = length, value.var = "which")

更新：添加了备选方案 2。

更新 2：添加了备选方案 2a。

于 2013-06-01T09:54:07.927 回答