如何为未知类别数量的分类变量生成哑变量（R语言）

问题场景 #

假设我们有如下数据框：

df <- data.frame(type = c("A","B","AB","O","O","B","A"))

该type列包含4种类别，但实际场景中无法提前知晓类别数量，需要生成数量比类别数少1的哑变量（此例中为3个），预期输出如下：

df <- data.frame(type = c("A","B","AB","O","O","B","A"),
                 A = c(1,0,0,0,0,0,1),
                 B = c(0,1,0,0,0,1,0),
                 AB = c(0,0,1,0,0,0,0))

具体选择哪些类别作为哑变量不做要求，核心是实现未知类别情况下的自动生成。

解决方案 #

方法一：原生R实现（无需额外包） #

使用model.matrix()直接生成哑变量矩阵，再与原数据合并：

# 将type转为因子（确保识别所有类别）
df$type <- factor(df$type)
# 生成所有类别哑变量，再移除最后一列（保证数量为类别数-1）
dummy_matrix <- model.matrix(~ type - 1, data = df)[, -nlevels(df$type)]
# 合并原数据与哑变量
df_with_dummies <- cbind(df, dummy_matrix)

方法二：fastDummies包快速实现 #

如果偏好tidyverse风格，fastDummies包提供了更简洁的接口：

# 首次使用需安装包
# install.packages("fastDummies")
library(fastDummies)

df$type <- factor(df$type)
# 生成type列的哑变量，保留原列
df_with_dummies <- dummy_cols(df, select_columns = "type", remove_selected_columns = FALSE)
# 移除最后一个类别对应的哑变量列
last_level_col <- paste0("type_", levels(df$type)[nlevels(df$type)])
df_with_dummies <- df_with_dummies[, !names(df_with_dummies) %in% last_level_col]

方法三：dplyr自定义实现 #

依赖dplyr包，通过逻辑判断生成哑变量：

library(dplyr)

df$type <- factor(df$type)
# 获取除最后一个类别外的所有目标类别
target_levels <- levels(df$type)[-nlevels(df$type)]
# 逐个生成哑变量列
df_with_dummies <- df %>%
  mutate(across(all_of(target_levels), ~ as.integer(type == .x)))

内容的提问来源于stack exchange，提问作者Bae