Extension automatique d'un facteur R dans une collection de variables indicatrices 1/0 pour chaque niveau de facteur

J'ai une trame de données R contenant un facteur que je veux "développer" de sorte que pour chaque niveau de facteur, il y ait une colonne associée dans une nouvelle trame de données, qui contient un indicateur 1/0. Par exemple, supposons que j'ai:

df.original <-data.frame(eggs = c("foo", "foo", "bar", "bar"), ham = c(1,2,3,4))

Je voudrais:

df.desired  <- data.frame(foo = c(1,1,0,0), bar=c(0,0,1,1), ham=c(1,2,3,4))

Parce que pour certaines analyses pour lesquelles vous avez besoin d'une base de données entièrement numérique (par exemple, l'analyse des composants principaux), j'ai pensé que cette fonctionnalité pourrait être intégrée. Ecrire une fonction pour faire cela ne devrait pas être trop difficile, mais je peux en prévoir défis liés aux noms de colonnes et si quelque chose existe déjà, je préfère l'utiliser.

Utilisez la model.matrixfonction:

model.matrix( ~ Species - 1, data=iris )

Si votre bloc de données est uniquement composé de facteurs (ou que vous travaillez sur un sous-ensemble de variables qui sont tous des facteurs), vous pouvez également utiliser la acm.disjonctiffonction du ade4package:

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

Ce n'est pas exactement le cas que vous décrivez, mais cela peut aussi être utile ...

Un moyen rapide d'utiliser le reshape2package:

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

Notez que cela produit précisément les noms de colonne souhaités.

probablement la variable factice est similaire à ce que vous voulez. Ensuite, model.matrix est utile:

> 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

Une entrée tardive class.inddu nnetpackage

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

Je viens de tomber sur ce vieux fil et j'ai pensé ajouter une fonction qui utilise ade4 pour prendre une trame de données composée de facteurs et / ou de données numériques et renvoie une trame de données avec des facteurs sous forme de codes factices.

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)
} 

Essayons.

df <-data.frame(eggs = c("foo", "foo", "bar", "bar"), 
            ham = c("red","blue","green","red"), x=rnorm(4))     
dummy(df)

df2 <-data.frame(eggs = c("foo", "foo", "bar", "bar"), 
            ham = c("red","blue","green","red"))  
dummy(df2)

Voici une manière plus claire de le faire. J'utilise model.matrix pour créer les variables booléennes factices, puis les fusionner dans le dataframe d'origine.

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.

J'avais besoin d'une fonction pour «exploser» les facteurs qui soit un peu plus flexible, et j'en ai créé une basée sur la fonction acm.disjonctif du paquet ade4. Cela vous permet de choisir les valeurs éclatées, qui sont 0 et 1 dans acm.disjonctif. Cela n'explose que les facteurs qui ont «peu» de niveaux. Les colonnes numériques sont conservées.

# 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)
}