在R dplyr中处理格式异常列，实现值计数型One-Hot编码转换

现有一列名为col1的数据，该列首尾均以英文逗号,开头和结尾，各数值之间用两个英文逗号,,分隔，示例数据如下：

col1
,101,,9,,201,,200,
,201,,101,,102,
,9,,101,,102,,200,,201,
,101,,200,,9,,102,,102,

需要在R的dplyr工具链中，将该列转换为如下格式：以原列中的每个唯一数值作为新列名（前缀为col1_），对应行记录该数值在原行中的出现次数，目标格式示例如下：

col1_9 col1_101 col1_102 col1_200 col1_201
1      1        0        1        1
0      1        1        0        1
1      1        1        1        1
1      1        2        1        0

可以结合dplyr和tidyr的函数完成转换，具体代码如下：

library(dplyr)
library(tidyr)

# 构造示例数据框
df <- tibble(
  col1 = c(
    ",101,,9,,201,,200,",
    ",201,,101,,102,",
    ",9,,101,,102,,200,,201,",
    ",101,,200,,9,,102,,102,"
  )
)

# 核心处理流程
result <- df %>%
  # 添加行号，用于拆分后保留行对应关系
  mutate(row_id = row_number()) %>%
  # 清理字符串并拆分：先移除首尾逗号，再按,,分割成数值列表
  mutate(values = strsplit(sub("^,|,$", "", col1), ",,")) %>%
  # 将列表列展开为长格式（每行一个数值）
  unnest(values) %>%
  # 按行号和数值分组，统计每行内各数值的出现次数
  count(row_id, values) %>%
  # 重塑为宽格式，缺失数值的计数填充为0，添加指定前缀
  pivot_wider(
    names_from = values,
    values_from = n,
    names_prefix = "col1_",
    values_fill = 0
  ) %>%
  # 移除辅助行号列
  select(-row_id)

# 查看结果
print(result)

代码分步说明 #

1. 添加行号：用row_number()标记每行的唯一ID，避免拆分后丢失原始行的对应关系；
2. 字符串清理与拆分：sub("^,|,$", "", col1)移除首尾的冗余逗号，再用strsplit按,,分割成单个数值的列表；
3. 展开列表：unnest(values)将列表格式的数值展开为长表格，每行仅保留一个数值和对应的行号；
4. 计数统计：count(row_id, values)统计每行中每个数值的出现次数；
5. 格式重塑：pivot_wider将长表格转为目标宽格式，names_prefix给新列添加指定前缀，values_fill把未出现数值的计数填充为0；
6. 清理辅助列：最后移除用于关联的row_id列，得到最终结果。

运行代码后输出的结果与需求完全匹配：

# A tibble: 4 × 5
  col1_9 col1_101 col1_102 col1_200 col1_201
   <int>    <int>    <int>    <int>    <int>
1      1        1        0        1        1
2      0        1        1        0        1
3      1        1        1        1        1
4      1        1        2        1        0

内容的提问来源于stack exchange，提问作者Eisen