如何在R中快速将模型预测的哑变量矩阵转为标签向量？

你需要把每行仅含一个1的哑变量矩阵转换为对应列名的标签向量，无需用for循环，以下是几种高效简便的实现方式：

先构造示例矩阵 #

dummy_mat <- matrix(
  c(1,0,0,0,0,0,0,
    0,1,0,0,0,0,0,
    0,0,0,1,0,0,0,
    0,0,0,1,0,0,0,
    0,0,0,0,0,0,1,
    0,0,0,0,0,1,0),
  nrow = 6, byrow = TRUE,
  dimnames = list(c(196,203,239,240,252,253),
                  c("Africa","America","CentralAsiaSiberia","EastAsia","Oceania","SouthAsia","WestEurasia"))
)

方法1：max.col()（最简洁高效） #

利用max.col()直接定位每行最大值（即值为1的位置），再匹配列名：

label_vec <- colnames(dummy_mat)[max.col(dummy_mat)]

输出结果：

label_vec
#> [1] "Africa"      "America"     "EastAsia"    "EastAsia"    "WestEurasia" "SouthAsia"

方法2：apply()逐行处理 #

逻辑更直观，逐行筛选值为1的列对应的列名：

label_vec <- apply(dummy_mat, 1, function(x) colnames(dummy_mat)[x == 1])

方法3：tidyverse 重塑数据 #

如果习惯tidyverse工作流，可以通过数据重塑实现：

library(tidyverse)

label_vec <- dummy_mat %>%
  as.data.frame() %>%
  rownames_to_column("id") %>%
  pivot_longer(-id, names_to = "label", values_to = "value") %>%
  filter(value == 1) %>%
  pull(label)

这些方法都是R的向量化操作，效率远高于for循环，其中max.col()是性能最优的选择。

内容的提问来源于stack exchange，提问作者dabadav