如何在 R 中将一个分类变量转换为多个虚拟变量？

Question

在这里，我有一个列名为 Age = (24 或以下、25 到 34、35 到 44、45 到 54、25 到 34、24 或以下、35 到 44、25 到 34、45 到 54) 的数据集

现在我需要将分类变量“Age”的值转换如下：24 或以下等于 1、25 到 34 等于 2、35 到 44 等于 3、45 到 54 等于 4

有人能帮我一下吗？

提前谢谢了。

Answer 1

您可以使用嵌套ifelse语句：

set.seed(12)
df <- data.frame(Age = c(sample(c("24 or under", "25 to 34", "35 to 44", "45 to 54"), 20, replace = T)))
df$Age_new <- ifelse(df$Age == "24 or under", 1,
                     ifelse(df$Age == "25 to 34", 2,
                            ifelse(df$Age == "35 to 44", 3, 4)))

结果：

df
           Age Age_new
1     25 to 34       2
2     35 to 44       3
3  24 or under       1
4     45 to 54       4
5  24 or under       1
6     35 to 44       3
7     45 to 54       4
8     25 to 34       2
9     45 to 54       4
10    35 to 44       3
11 24 or under       1
12    35 to 44       3
13    25 to 34       2
14 24 or under       1
15    25 to 34       2
16    35 to 44       3
17    25 to 34       2
18    25 to 34       2
19    35 to 44       3
20    25 to 34       2

Answer 2

正如pieterbons所描述的，您的 Age 字段实际上已经是一个因素。 如果您将 Age 转换为数字类型，您将拥有数字类别中的数据。

df <- data.frame(Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54"))
df$Age <- as.numeric(df$Age)

您还可以按照您的描述使用 Age 字段的虚拟代码创建一个新字段（如果您有一个要转换为因子但顺序非常不同的字符串变量，此选项将特别有用），有多个方法：

# 1) Base R
df$age_new <- as.numeric(df$Age)


# 2) dplyr
library(dplyr)
df <- df %>% 
  mutate(Age = case_when(Age == "24 or under" ~ 1,
                         Age == "25 to 34"    ~ 2,
                         Age == "35 to 44"    ~ 3, 
                         TRUE                 ~ 4))

#> df
#          Age age_new
#1 24 or under       1
#2    25 to 34       2
#3    35 to 44       3
#4    45 to 54       4

Answer 3

如果您的列 Age 是一个因素，这实际上会自动发生在屏幕后面（每个值都存储为 integer 并具有相应的文本标签）。 要显式获取这些整数，您可以使用as.numeric() 。

df <- data.frame(Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54"))

df$Age_cat <- as.numeric(df$Age)

如果级别的顺序与原始顺序不同，您可能会遇到排序问题。 在这种情况下，您可以明确设置因子的水平。

Answer 4

如果您想要一个虚拟变量（即 0 或 1），您可以使用dplyr::if_else语句为每个类别创建一个新变量：

library(dplyr)

Age = c("24 or under", "25 to 34", "35 to 44", "45 to 54")
data.frame(age = Age) %>%
    mutate("24 or under" = if_else(age == Age[1], 1, 0),
           "25 to 34"    = if_else(age == Age[2], 1, 0),
           "35 to 44"    = if_else(age == Age[3], 1, 0),
           "45 to 54"    = if_else(age == Age[4], 1, 0))

如果您想要一个数值，请将您的变量编码为factor ，按您想要的顺序设置级别，然后使用as.numeric ：

Age = factor(c("24 or under", "25 to 34", "35 to 44", "45 to 54"),
         levels = c(c("24 or under", "25 to 34", "35 to 44", "45 to 54")))

as.numeric(Age)