基于多选项字符串匹配生成含TRUE/FALSE/NA的多列

针对问卷工具中常见的分号拼接字符串格式多选题答案（比如存储为"C;Python;R"的编程语言选项），以下是基于tidyverse的高效处理方案，完全支持管道操作并满足需求：

核心需求回顾 #

1. 为每个选项生成独立列（如ProgLang_C、ProgLang_Java）；
2. 选中的选项对应列值为TRUE，未选中为FALSE；原列值为NA时，所有生成列均为NA；
3. 兼容数据框管道操作。

解决方案一：自动提取所有选项（通用场景） #

如果不清楚所有选项列表，可以先从目标列中提取唯一选项，再生成对应布尔列：

library(tidyverse)

# 加载数据集（以Stack Overflow 2003年调查数据为例）
df <- read_csv("survey_results_public.csv")

# 提取所有唯一的编程语言选项（处理分号分隔和多余空格）
all_langs <- df %>%
  pull(LanguageHaveWorkedWith) %>%
  str_split(";") %>%
  unlist() %>%
  str_trim() %>%
  unique() %>%
  sort()

# 生成每个选项对应的布尔列
df_processed <- df %>%
  mutate(
    across(
      all_of(all_langs),
      # 处理NA情况：原列NA则返回NA，否则检测是否包含当前选项
      ~ case_when(
        is.na(LanguageHaveWorkedWith) ~ NA,
        TRUE ~ str_detect(LanguageHaveWorkedWith, fixed(.x))
      ),
      # 定义新列名前缀
      .names = "ProgLang_{.col}"
    )
  )

解决方案二：提前指定选项列表（精准场景） #

如果已经明确所有选项，直接指定目标列表即可，省去提取步骤：

library(tidyverse)

df <- read_csv("survey_results_public.csv")

# 提前定义需要拆分的选项列表
target_langs <- c("C", "Python", "Java", "R", "JavaScript")

df_processed <- df %>%
  mutate(
    across(
      all_of(target_langs),
      ~ case_when(
        is.na(LanguageHaveWorkedWith) ~ NA,
        TRUE ~ str_detect(LanguageHaveWorkedWith, fixed(.x))
      ),
      .names = "ProgLang_{.col}"
    )
  )

结果示例（简化列名） #

处理后的数据结构如下：

关键细节说明 #

• 使用fixed(.x)确保字符串精确匹配，避免正则表达式元字符导致的错误；
• case_when明确处理原列NA的情况，保证生成列的NA值与原数据一致；
• across函数支持批量生成列，完全契合tidyverse管道风格；
• 如果需要可视化拆分过程，可以用行转列再转宽表的方式：

df_processed <- df %>%
  mutate(row_id = row_number()) %>%
  separate_rows(LanguageHaveWorkedWith, sep = ";") %>%
  mutate(
    LanguageHaveWorkedWith = str_trim(LanguageHaveWorkedWith),
    value = ifelse(is.na(LanguageHaveWorkedWith), NA, TRUE)
  ) %>%
  pivot_wider(
    id_cols = row_id,
    names_from = LanguageHaveWorkedWith,
    names_prefix = "ProgLang_",
    values_from = value,
    values_fill = FALSE
  ) %>%
  select(-matches("ProgLang_NA")) %>%
  left_join(df, by = "row_id") %>%
  select(-row_id)

内容的提问来源于stack exchange，提问作者JanD