R语言：如何拆分多答案列并将唯一答案替换为Other

示例输入数据 #

假设你的data.table结构如下（逗号分隔多答案）：

library(data.table)
dt <- data.table(
  ID = 1:5,
  "Mult answ - Favorite Fruits" = c("Apple,Banana", "Orange", "Apple,Mango", "Banana", "Mango")
)

步骤1：替换低频（仅出现1次）答案为Other #

先拆分多答案列统计全局频率，再替换低频选项：

# 定位所有含"Mult answ"的列
mult_col <- grep("Mult answ", names(dt), value = TRUE)

# 拆分成行级数据统计频率
dt_long <- dt[, strsplit(get(mult_col), ","), by = ID]
setnames(dt_long, "V1", "answer")
freq <- dt_long[, .N, by = answer]

# 标记需替换的低频选项
low_freq <- freq[N <= 1, answer]

# 替换并合并回原表
dt_long[answer %in% low_freq, answer := "Other"]
dt[, updated_ans := dt_long[, paste(unique(answer), collapse = ","), by = ID]$V1]

步骤2：拆分答案为带通用后缀的独立列 #

将更新后的答案拆分为二进制标识列（1=选中，0=未选中），后缀用_selected：

# 获取所有唯一选项（含Other）
unique_ans <- unique(dt_long$answer)

# 生成独立列
for(ans in unique_ans){
  dt[, paste0(ans, "_selected") := as.integer(grepl(ans, updated_ans))]
}

# 清理中间列（可选）
dt[, updated_ans := NULL]

最终输出 #

运行后得到的结果如下：

> dt
   ID Mult answ - Favorite Fruits Apple_selected Banana_selected Orange_selected Other_selected
1:  1             Apple,Banana               1               1               0              0
2:  2                      Orange               0               0               1              0
3:  3               Apple,Mango               1               0               0              1
4:  4                      Banana               0               1               0              0
5:  5                       Mango               0               0               0              1

注意事项 #

• 若多答案用其他分隔符（如分号），修改strsplit的第二个参数即可
• 可自定义独立列的后缀，比如把_selected改成_present
• 若需保留替换后的多答案文本，不要删除updated_ans列

内容的提问来源于stack exchange，提问作者Tom