如何在R中将多选题响应转为one-hot encoding？附Excel替代方案

R实现步骤 #

1. 安装并加载所需包 #

先安装读取Excel和数据处理的工具包：

install.packages(c("readxl", "tidyr", "dplyr"))
library(readxl)
library(tidyr)
library(dplyr)

2. 读取Excel数据 #

假设你的Excel文件名为remote_learning_survey.xlsx，数据位于第一个工作表：

df <- read_excel("remote_learning_survey.xlsx", sheet = 1)

可通过colnames(df)查看数据列名，确保后续引用的多选题响应列名正确。

3. 拆分选项并生成One-Hot编码 #

假设存储多选题响应的列名为远程学习的最佳方面？（替换为你实际的列名）：

# 定义选项编号与名称的对应关系
option_mapping <- tibble(
  option_id = 1:15,
  option_name = c(
    "灵活性", "可访问性", "时间安排", "模块质量", "学习资源",
    "课前准备", "面授环节质量", "面授次数", "辅导质量", "辅导频次",
    "导师支持质量", "导师支持频次", "项目的包容性方法（惠及所有性别学习者）",
    "项目对个人信心与自我提升的影响", "项目对教学技能提升的影响"
  )
)

# 拆分单元格内的选项，转换为长格式后生成one-hot编码
one_hot_df <- df %>%
  # 拆分逗号分隔的选项编号为单独行
  separate_rows(`远程学习的最佳方面？`, sep = ",") %>%
  # 去除编号前后空格并转为数值型
  mutate(`远程学习的最佳方面？` = as.integer(trimws(`远程学习的最佳方面？`))) %>%
  # 关联选项名称
  left_join(option_mapping, by = c("远程学习的最佳方面？" = "option_id")) %>%
  # 标记选中状态为1
  mutate(selected = 1) %>%
  # 转换为宽格式（one-hot），未选中项填充0，保留原始其他列
  pivot_wider(
    names_from = option_name,
    values_from = selected,
    values_fill = 0,
    id_cols = setdiff(colnames(df), "远程学习的最佳方面？")
  )

4. 查看结果 #

运行head(one_hot_df)即可看到转换后的one-hot编码数据：每个选项对应一列，1表示该选项被选中，0表示未选中。

Excel简易替代方案（适合小数据集） #

如果你暂时不想用R，可尝试以下低效率但易操作的步骤（仅适合数据量小的情况）：

1. 拆分选项：选中响应列，用TEXTSPLIT函数拆分逗号分隔的内容到多列，例如=TEXTSPLIT(A2, ",")。
2. 设置选项表头：在空白区域列出所有15个选项名称作为列标题。
3. 标记选中状态：对每个选项列，用COUNTIF判断是否被选中，例如=IF(COUNTIF($B2:$Z2, "1"), 1, 0)（替换"1"为对应选项编号，$B2:$Z2为拆分后的列范围）。
4. 批量填充：将公式复制到所有行和选项列，即可得到one-hot编码结果。

内容的提问来源于stack exchange，提问作者andrew