如何在R中将分类特征数据框转换为二进制数据框？

带NA的示例数据 #

首先准备包含NA的测试数据，模拟真实场景：

categorical_data <- data.frame(
  station = rep(1:3, each = 3),
  trait1 = c("TraitA", "TraitB", NA, "TraitC", "TraitA", "TraitB", NA, "TraitC", "TraitA"),
  trait2 = rep(c("TraitX", "TraitY", "TraitZ"), times = 3),
  trait3 = c("TraitM", NA, "TraitO", "TraitM", "TraitN", NA, "TraitM", "TraitN", "TraitO")
)

需求1：保留每个station的多条目，对应特征的0/1标识 #

该方案保留原数据的每行结构，每行的二进制列标记当前行是否包含该特征（NA会被忽略，不标记为有效特征）：

library(tidyverse)

binary_multi_row <- categorical_data %>%
  # 添加临时行号，确保转宽后保留原行顺序
  mutate(row_id = row_number()) %>%
  # 将所有trait列转为长格式，方便统一处理
  pivot_longer(cols = starts_with("trait"), names_to = "trait_col", values_to = "feature") %>%
  # 过滤NA值，避免无效特征干扰
  filter(!is.na(feature)) %>%
  # 标记特征存在为1
  mutate(value = 1) %>%
  # 转回宽格式，未出现的特征填充为0
  pivot_wider(names_from = feature, values_from = value, values_fill = 0) %>%
  # 调整列顺序，移除临时字段
  select(station, everything(), -row_id, -trait_col)

# 查看结果
print(binary_multi_row)

需求2：将每个station合并为单行，标记特征是否存在 #

该方案按station合并所有条目，二进制列标记该station是否曾出现过该特征（只要有一行包含该特征就标1，否则0）：

binary_single_row <- categorical_data %>%
  # 转换为长格式，统一处理所有特征列
  pivot_longer(cols = starts_with("trait"), names_to = "trait_col", values_to = "feature") %>%
  # 过滤NA值
  filter(!is.na(feature)) %>%
  # 去重，确保每个station的每个特征只记录一次
  distinct(station, feature) %>%
  # 标记特征存在为1
  mutate(value = 1) %>%
  # 转回宽格式，未出现的特征填充为0
  pivot_wider(names_from = feature, values_from = value, values_fill = 0) %>%
  # 按station排序，保证输出顺序一致
  arrange(station)

# 查看结果
print(binary_single_row)

关键说明 #

• 用pivot_longer统一转换所有trait列，避免重复处理单个特征列
• filter(!is.na(feature))直接过滤NA，确保无效值不会被当作特征
• values_fill = 0自动为未出现的特征填充0，无需额外处理空值
• 需求1中添加row_id是核心，保证转宽后不会合并原数据的行

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