代码之家 › 专栏 › 技术社区 › versusChou

“Dummy”编码R中有两个值的因子[重复]

categorical-data data-science r

versusChou · 技术社区 · 7 年前

我不确定是否有更好的方式来表达我的要求。基本上我有路由数据(例如LAX-BWI、SFO-JFK等)。我想对它进行模拟,所以我基本上会对航班接触的每个机场取1(方向性并不重要,因为LAX-BWI与BWI-LAX相同)。

例如:

     ROUTE | OFF |  ON |  
    LAX-BWI|10:00|17:00|  
    LAX-SFO|11:00|13:00|  
    BWI-LAX|18:00|01:00|   
    BWI-SFO|15:00|20:00|

变成

    BWI|LAX|SFO| OFF |  ON |  
     1 | 1 | 0 |10:00|17:00|  
     0 | 1 | 1 |11:00|13:00|  
     1 | 1 | 0 |18:00|01:00|  
     1 | 0 | 1 |15:00|20:00|

我可以将数据作为字符串“BWI-LAX”拉入,或者有两列Orig和Dest,其值为字符串“BWI”和“LAX”。

2 回复 | 直到 7 年前

JBGruber 7 年前

有人刚刚问了一个非常类似的问题,所以我将从 here :

allDest <- sort(unique(unlist(strsplit(dataFrame$ROUTE, "-"))))
for(i in allDest){
  dataFrame[, i] <- grepl(i, dataFrame$ROUTE)
}

这将为集合中的每个机场创建一个新列,并用TRUE或FALSE指示航班是否触及机场。如果您想要0和1,则可以执行以下操作:

allDest <- sort(unique(unlist(strsplit(dataFrame$ROUTE, "-"))))
for(i in allDest){
  dataFrame[, i] <- grepl(i, dataFrame$ROUTE)*1
}

TRUE*1是1 FALSE*1是0。

Mike H. 7 年前

for loop . data.frames

cities <- unique(unlist(strsplit(df$ROUTE, "-")))
df[, cities] <- lapply(cities, function(x) as.numeric(grepl(x, df$ROUTE)))

#    ROUTE   OFF    ON LAX BWI SFO
#1 LAX-BWI 10:00 17:00   1   1   0
#2 LAX-SFO 11:00 13:00   1   0   1
#3 BWI-LAX 18:00 01:00   1   1   0
#4 BWI-SFO 15:00 20:00   0   1   1

这个 ROUTE 如果不需要,在计算后很容易删除列

推荐文章

Amp · 使用R ggplot2删除geom_radial中axis.line和panel.border之间的空格

5 月前

Hard_Course · 用另一列中的值替换行的最后一个非NA条目

5 月前

Mark R · 使用geom_sf()删除地球仪上不需要的网格线

5 月前

Joe · 根据对工作日和本周早些时候的日期的了解,找到一个日期

5 月前

Ben · 统计向量中的单词在字符串中出现的频率

5 月前

TheCodeNovice · R中符号格式的尾随零和其他问题[重复]

5 月前

katefull06 · 在R中使用terra修改范围时,会为单独的SpatRaster重写范围

5 月前

dez93_2000 · 在R管道子功能中引用管道对象的当前状态

5 月前

accibio · 在ggplot2中为同一变量创建两个连续的颜色渐变比例

5 月前

Mankka · 如何在Ggplot2中绘制均匀的径向图

6 月前