如何在R中创建虚拟变量？

Question

因此，我的数据集包含15个变量，其中一个（性别）只有2个级别。 我想将其用作虚拟变量，但级别为1和2。我该怎么做？ 我想拥有0和1级，但是我不知道如何在R中进行管理！

Answer 1

使用R的大多数带有公式接口的建模工具，您无需创建虚拟变量，处理和解释公式的基础代码将为您完成此任务。 如果由于其他原因想要虚拟变量，则有几种选择。 最简单的（IMHO）是使用model.matrix() ：

set.seed(1)
dat <- data.frame(sex = sample(c("male","female"), 10, replace = TRUE))

model.matrix( ~ sex - 1, data = dat)

这使：

> dummy <- model.matrix( ~ sex - 1, data = dat)
> dummy
   sexfemale sexmale
1          0       1
2          0       1
3          1       0
4          1       0
5          0       1
6          1       0
7          1       0
8          1       0
9          1       0
10         0       1
attr(,"assign")
[1] 1 1
attr(,"contrasts")
attr(,"contrasts")$sex
[1] "contr.treatment"

> dummy[,1]
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0

您可以将dummy列中的任何一列用作数字虚拟变量。 选择要成为基于1的级别的列。 dummy[,1]选择1代表女性类别， dummy[,2]代表男性类别。

如果希望将其解释为分类对象，请将其强制转换为一个因素：

> factor(dummy[, 1])
 1  2  3  4  5  6  7  8  9 10 
 0  0  1  1  0  1  1  1  1  0 
Levels: 0 1

但这正在打破因素的目标； 又是什么0 ？

Answer 2

这个

set.seed(001) # generating some data
sex <- factor(sample(1:2, 10, replace=TRUE)) # this is what you have
[1] 1 1 2 2 1 2 2 2 2 1
Levels: 1 2

sex<-factor(ifelse(as.numeric(sex)==2, 1,0)) # this is what you want
sex  
 [1] 0 0 1 1 0 1 1 1 1 0
Levels: 0 1

如果您希望标签为0 =男性和1 =女性，那么...

sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F')) 
sex # this is what you want
[1] M M F F M F F F F M
Levels: M F

实际上，您不需要创建虚拟变量即可使用lm估计模型，让我们看一下此示例：

set.seed(001) # Generating some data
N <- 100
x <- rnorm(N, 50, 20)
y <- 20 + 3.5*x + rnorm(N)
sex <- factor(sample(1:2, N, replace=TRUE))

# Estimating the linear model 
lm(y ~ x + sex) # using the first category as the baseline (this means sex==1)

Call:
    lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sex2  
   19.97815      3.49994     -0.02719     


# renaming the categories and labelling them
sex<-factor(ifelse(as.numeric(sex)==2, 1,0), labels=c('M', 'F'))
lm(y ~ x + sex)  # the same results, baseline is 'Male'

Call:
lm(formula = y ~ x + sex)

Coefficients:
(Intercept)            x         sexF  
   19.97815      3.49994     -0.02719 

如您所见，R很好地处理了虚拟变量，您只需将它们作为factor变量传递到公式中，R就会为您完成其余工作。

顺便说一下，无需将类别从c（2,1）更改为c（0,1），结果将与您在上面的示例中看到的相同。

Answer 3

正如以上许多建议所言，将其变成因素。

如果您真的想对性别变量进行虚拟编码，请考虑一下

set.seed(100)
gender = rbinom(100,1,0.5)+1
gender_dummy = gender-1