如何在tidyverse中拆分多值颜色列并生成哑变量列

当然有！在tidyverse里可以通过几个函数的组合轻松实现这个需求，而且你已经准备好完整的颜色列表df_colors，这刚好能帮我们确保所有颜色都被纳入结果中（哪怕某些颜色在原始数据里没出现，这在业务场景里非常实用）。

实现步骤与代码 #

我们的核心思路是：先把分隔的颜色拆分为多行，再补全每个item对应的所有颜色，最后转换为宽格式的二进制矩阵。

library(tidyverse)

# 1. 拆分颜色列为单行，同时标记存在的颜色为1
df_split <- df %>%
  separate_rows(colors, sep = " / ") %>%
  mutate(value = 1L)

# 2. 补全每个item的所有颜色（从df_colors获取），缺失的颜色填0，再转宽格式
df_result <- df_split %>%
  complete(item, colors = df_colors$color, fill = list(value = 0L)) %>%
  pivot_wider(names_from = colors, values_from = value)

# 验证结果是否和期望一致
all_equal(df_result, df_desired)
#> [1] TRUE

函数解释 #

• separate_rows()：把colors列中用" / "分隔的字符串拆分成单独的行，每个颜色对应一行；
• complete()：强制每个item都匹配df_colors里的所有颜色，缺失的组合会自动生成行，fill参数指定这些缺失行的value为0；
• pivot_wider()：把长格式数据转换为宽格式，颜色名称作为列名，value列的1/0作为单元格值。

这个方法在颜色数量很多的业务场景下依然高效，因为tidyverse的这些函数都是针对数据处理优化过的。

内容的提问来源于stack exchange，提问作者Jeremy K.