如何在R中对共享类别的多列实现统一独热编码？

原始数据框：

需求为生成包含标记列的新数据框：对每个类别（A、B、C及更多）添加对应列，判断该类别是否出现在当前行的任意一列，是则标记1，否则标记0，目标格式如下：

用户尝试过两种方法但均有局限：

• 用if_else逐个编写标记列，但类别多达50+，重复代码过多；
• 用model.matrix生成的是label1A、label2A这类分列的编码，不符合“任意一列出现即标记1”的需求。

方法1：tidyverse系列函数（适配数据框操作习惯） #

通过长格式转换统计每行的类别出现情况，再转宽格式合并回原数据，自动适配所有类别：

library(tidyverse)

# 原始数据
df <- tibble(
  Label1 = c("A", "A", "B", "C"),
  Label2 = c("B", "C", "C", "A")
)

# 获取所有唯一类别
all_categories <- unique(c(df$Label1, df$Label2))

# 生成标记列并合并
encoded_df <- df %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(cols = starts_with("Label"), names_to = "col", values_to = "category") %>%
  group_by(row_id, category) %>%
  summarise(exists = 1, .groups = "drop") %>%
  pivot_wider(names_from = category, values_from = exists, names_prefix = "is_", values_fill = 0) %>%
  left_join(df, by = "row_id") %>%
  select(-row_id, Label1, Label2, everything())

print(encoded_df)

方法2：base R的sapply（简洁高效） #

直接遍历所有类别，对每行检查是否包含该类别，生成标记矩阵后合并：

# 原始数据
df <- data.frame(
  Label1 = c("A", "A", "B", "C"),
  Label2 = c("B", "C", "C", "A")
)

# 获取所有唯一类别
all_categories <- unique(c(df$Label1, df$Label2))

# 生成标记矩阵
indicator_matrix <- sapply(all_categories, function(cat) {
  as.integer(rowSums(df == cat) > 0)
})

# 重命名列并合并
colnames(indicator_matrix) <- paste0("is_", all_categories)
encoded_df <- cbind(df, indicator_matrix)

print(encoded_df)

方法3：dplyr的across函数（tidyverse简化写法） #

利用across遍历类别，结合if_any快速判断每行是否包含目标类别：

library(dplyr)

df <- tibble(
  Label1 = c("A", "A", "B", "C"),
  Label2 = c("B", "C", "C", "A")
)

all_categories <- unique(c(df$Label1, df$Label2))

encoded_df <- df %>%
  mutate(
    across(all_categories, ~if_any(starts_with("Label"), ~.x == .y), .names = "is_{.col}")
  )

print(encoded_df)

以上三种方法均无需手动编写每个类别的判断代码，自动适配所有唯一类别，适合50+类别的场景。

内容的提问来源于stack exchange，提问作者user276238