如何一次性为DataFrame添加多列1/0分类标识列（替代重复ifelse）

推荐两种比逐个写ifelse更高效的方法，既能生成每个分类对应的1/0标记列，又能完整保留原有数据的长格式变量：

方法一：用dplyr::across批量生成 #

直接在原数据集上批量创建标记列，代码简洁且易维护：

library(dplyr)

df <- data.frame(
  ID = c("A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D"),
  cat = c("TS", NA, NA, "TS", "1", "1", NA, NA, "2", NA, NA, NA)
)

# 提取所有非空的分类值
categories <- unique(df$cat[!is.na(df$cat)])

# 批量生成标记列，自动命名为cat_分类名
df <- df %>%
  mutate(across(all_of(categories), 
                ~as.integer(cat == .x),  # 匹配分类则为1，否则为0
                .names = "cat_{.col}")) %>%
  mutate(across(starts_with("cat_"), ~replace_na(.x, 0)))  # 把NA替换为0

方法二：结合pivot_wider快速生成后合并 #

如果分类数量多，这种方法能自动识别所有分类并生成对应列，一步到位：

library(dplyr)
library(tidyr)

df <- data.frame(
  ID = c("A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D"),
  cat = c("TS", NA, NA, "TS", "1", "1", NA, NA, "2", NA, NA, NA)
)

# 生成分类标记的宽格式临时表
cat_markers <- df %>%
  mutate(value = 1) %>%
  pivot_wider(names_from = cat, values_from = value, 
              names_prefix = "cat_", values_fill = 0)

# 和原数据合并（行顺序一致，直接绑定列即可）
df <- bind_cols(df, cat_markers %>% select(-ID))

这两种方法都能替代重复的ifelse操作，而且当后续新增分类时，不需要修改代码，自动适配新的分类值。

内容的提问来源于stack exchange，提问作者tchoup