在R中处理不同长度/内容字符串的拆分与二元列生成问题

你的核心问题在于：

• 直接用==做完全匹配，只有当单元格恰好是单个目标选项时才会返回1，包含多个选项的观测值会被漏掉；
• 拆分列出错大概率是因为未正确处理字符串拆分后的列表结构，或分隔符设置错误。

以下是两种可行解决方案：

方案一：生成目标选项的二元标识列（推荐） #

使用stringr包的str_detect函数检测字符串中是否包含目标子串，不管单元格里有多少个选项，只要包含目标内容就会标记为1。

代码示例 #

library(dplyr)
library(stringr)

# 处理数据：统一大小写避免匹配误差，生成二元标识列
df <- df %>%
  mutate(
    # 可选：统一Reason列的大小写，解决大小写不一致导致的匹配失败
    Reason = str_to_lower(Reason),
    # 检测是否包含"资格证明缺失"相关选项，转成1/0
    EligibilityDocs = as.integer(str_detect(Reason, str_to_lower("Lack of eligibility documentation/identification"))),
    # 检测是否包含"残疾/无法工作"相关选项，转成1/0
    Disabled = as.integer(str_detect(Reason, str_to_lower("Disabled/unable to work")))
  )

关键说明 #

• 如果原数据的大小写完全统一，可以去掉str_to_lower的转换步骤；
• str_detect返回布尔值（TRUE/FALSE），用as.integer可直接转为1/0；
• 若需要保留布尔值，去掉as.integer即可。

方案二：拆分原分隔字符串列 #

如果需要把所有选项拆分成单独的行或列，可使用tidyr包的工具：

拆分为单独行（推荐，适配选项数量不固定的情况） #

library(tidyr)

# 按分隔符拆分，每个选项占一行（假设分隔符是逗号+空格，可根据实际调整）
df_split_rows <- df %>%
  separate_rows(Reason, sep = ",\\s*")

拆分为多列（选项数量固定时适用） #

# 拆分为最多5列，空值用NA填充（可根据实际最大选项数调整数字）
df_split_cols <- df %>%
  separate(Reason, into = paste0("Reason_", 1:5), sep = ",\\s*", fill = "right")

关键说明 #

• 先通过unique(df$Reason)查看样本，确认实际分隔符（逗号、分号、竖线等），替换sep参数即可；
• 若选项前后有多余空格，可先加一步mutate(Reason = str_trim(Reason))清理。

内容的提问来源于stack exchange，提问作者alecandia84