将数据框中唯一值转换为二进制参考矩阵的高效实现方法

原始数据集 #

R代码定义 #

ID_TRIAL <- c(1,1,1,2,3,4,5,5,5,6,6,6,7,7,8,8,8,8)
TYPE_FAIL <- c("A","B","C","F","A","A","A","B","K","T","F","A","A","B","B","Q","P","I")

原始表格 #

转换需求 #

需将数据集转换为二进制参考矩阵：

• 列按TYPE_FAIL的字母顺序排列（排序后为：A B C F I K P Q T）
• 行对应每个唯一的ID_TRIAL，用1表示该TYPE_FAIL在对应试验中出现，0表示未出现

示例（试验8对应的行）：

期望输出矩阵 #

高效实现方法 #

方法1：基础R内置函数实现 #

利用xtabs()生成交叉表，全程向量化操作，效率远高于循环/多段ifelse：

# 生成交叉表，自动按因子水平排序
cross_tab <- xtabs(~ ID_TRIAL + TYPE_FAIL)
# 转换为数据框
result_df <- as.data.frame.matrix(cross_tab)
# 将计数转为二进制1/0
result_df[] <- ifelse(result_df > 0, 1, 0)
# 添加TRIAL列并调整列顺序
result_df$TRIAL <- rownames(result_df)
result_df <- result_df[, c("TRIAL", sort(colnames(result_df)[-ncol(result_df)]))]
rownames(result_df) <- NULL

# 输出结果
print(result_df)

方法2：tidyverse框架实现 #

适合熟悉tidyverse语法的用户，同样采用高效向量化操作：

library(dplyr)
library(tidyr)

result_df <- tibble(ID_TRIAL, TYPE_FAIL) %>%
  distinct() %>%  # 去重确保每个试验-故障组合唯一
  mutate(value = 1) %>%
  pivot_wider(
    names_from = TYPE_FAIL,
    values_from = value,
    values_fill = 0,
    names_sort = TRUE  # 自动按字母顺序排列列
  ) %>%
  rename(TRIAL = ID_TRIAL)

# 输出结果
print(result_df)

内容的提问来源于stack exchange，提问作者R_Student