如何在R数据框中将多选项字符串转换为指示/哑变量列

针对你需要将逗号分隔的多选调查数据拆分为1/0哑变量列的需求，下面给出几种高效的实现方案，同时指出你现有代码的问题：

现有代码的问题 #

• 双重循环逻辑冗余，会导致重复赋值，效率低下
• 手动指定选项无法适配大规模数据，缺乏自动化能力
• 变量赋值方式错误：input$Variable无法识别字符串变量名，应该使用input[[Variable]]来动态赋值

解决方案 #

方法1：基础R自动化实现 #

无需手动指定选项，自动提取所有唯一答案并生成哑变量：

# 模拟输入数据
input <- data.frame("v1" = c("apple, orange", "apple, melon", "banana"), stringsAsFactors = FALSE)

# 1. 拆分所有选项并提取唯一值
all_options <- unique(unlist(strsplit(input$v1, split = ", ")))

# 2. 生成哑变量矩阵
dummy_matrix <- sapply(all_options, function(opt) {
  as.integer(grepl(opt, input$v1, fixed = TRUE))
})

# 3. 合并到原数据并删除原列
result <- cbind(input, as.data.frame(dummy_matrix))
result$v1 <- NULL

print(result)

方法2：tidyverse 简洁实现 #

利用tidyr和dplyr的函数链，代码更易读：

library(tidyverse)

input <- data.frame("v1" = c("apple, orange", "apple, melon", "banana"), stringsAsFactors = FALSE)

result <- input %>%
  # 将每行的多选项拆分为单独行
  separate_rows(v1, sep = ", ") %>%
  # 添加计数列（标记为1）
  mutate(value = 1) %>%
  # 转换为宽格式，NA替换为0
  pivot_wider(names_from = v1, values_from = value, values_fill = 0)

print(result)

方法3：fastDummies 包一键实现 #

专门处理哑变量生成的工具包，一行代码搞定：

library(fastDummies)

input <- data.frame("v1" = c("apple, orange", "apple, melon", "banana"), stringsAsFactors = FALSE)

result <- dummy_cols(input, select_columns = "v1", split = ", ", remove_selected_columns = TRUE)

# 自动生成的列名带前缀，可按需修改
colnames(result) <- gsub("v1_", "", colnames(result))

print(result)

内容的提问来源于stack exchange，提问作者luchonacho