在data.table中生成数字存在性哑变量，如何避免使用for循环？

我有一个字符型变量，其中存储着长度不同的0到5的数字，想要创建5个哑变量（dummy-variables），用于标识每行是否存在对应数字（0到5）。我目前通过以下代码实现了该功能：

library(data.table)

dataset <- 
  data.table(
    'char' = c('1 2 3 0', '1 5 0', '1 2 0', '1 0', '1 2 4 0')
  )


for(i in c(0:5)){
  
  dataset[grepl(i, char), c(paste0('Idx_', i)) := 1]
  
}

运行结果如下：

char    Idx_0 Idx_1 Idx_2 Idx_3 Idx_4 Idx_5
1: 1 2 3 0     1     1     1     1    NA    NA
2:   1 5 0     1     1    NA    NA    NA     1
3:   1 2 0     1     1     1    NA    NA    NA
4:     1 0     1     1    NA    NA    NA    NA
5: 1 2 4 0     1     1     1    NA     1    NA

由于数据集规模较大，想知道无需for循环的实现方式。

方法1：data.table原生拆分-重塑流程 #

通过拆分字符列转为长格式，再重塑为宽格式生成哑变量，适合复杂拆分场景：

library(data.table)

dataset <- data.table(
  char = c('1 2 3 0', '1 5 0', '1 2 0', '1 0', '1 2 4 0')
)

# 按行拆分字符，生成每行对应的数字列表
dt_long <- dataset[, .(num = unlist(strsplit(char, " "))), by = .(row_id = 1:nrow(dataset))]
# 标记数字存在为1
dt_long[, value := 1]
# 重塑为宽格式，缺失值自动填充NA
dt_wide <- dcast(dt_long, row_id ~ paste0("Idx_", num), value.var = "value")
# 合并回原数据集，保留原始顺序
dataset <- cbind(dataset, dt_wide[, -"row_id"])

方法2：向量化grepl操作（高效简洁） #

直接对0-5的每个值执行向量化匹配，一次性生成所有哑变量，避免循环：

library(data.table)

dataset <- data.table(
  char = c('1 2 3 0', '1 5 0', '1 2 0', '1 0', '1 2 4 0')
)

# 定义要创建的哑变量列名
cols <- paste0("Idx_", 0:5)
# 向量化判断每个数字是否存在，转成1/0后替换0为NA
dataset[, (cols) := lapply(0:5, function(x) as.integer(grepl(x, char)))]
dataset[, (cols) := lapply(.SD, function(x) replace(x, x == 0, NA)), .SDcols = cols]

方法3：stringi包加速匹配（超大数据集首选） #

如果数据量极大，用stringi::stri_detect_fixed进行固定字符串匹配，速度比grepl更快：

library(data.table)
library(stringi)

dataset <- data.table(
  char = c('1 2 3 0', '1 5 0', '1 2 0', '1 0', '1 2 4 0')
)

cols <- paste0("Idx_", 0:5)
# 固定匹配数字，生成1/0后替换0为NA
dataset[, (cols) := lapply(0:5, function(x) as.integer(stri_detect_fixed(char, as.character(x))))]
dataset[, (cols) := lapply(.SD, function(x) replace(x, x == 0, NA)), .SDcols = cols]

以上三种方法都能得到和原循环代码一致的结果，且均为无循环实现，其中方法2和3属于向量化操作，在大数据集上的执行效率远高于for循环。

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