R语言拆分多选题列并生成指定变量二进制矩阵方法咨询

问题背景 #

需要处理数据框中逗号分隔的多选题列Q12，基于预设的7个固定选项：Inhalt、Arbeit、Verhindern Koalition、Ermöglichen Koalition、Verhindern Kanzlerschaft、Ermöglichen Kanzlerschaft、Spitzenpolitiker，生成每行对应选项存在则为1、不存在为0的二进制矩阵，要求最终恰好保留上述7个选项列，未在样本中出现的选项列值统一为0。
原始Q12列示例数据：

已尝试方案的问题 #

• model.matrix()方法：会把单元格内完整的字符串组合当成独立因子水平，无法拆分逗号分隔的多选项，因此生成的列数远多于预期。
• separate()方法：仅按逗号位置机械拆分，无法识别选项实际内容，顺序完全依赖分隔符位置，也不会自动生成0-1编码。
• splitstackshape::charMat()运行失败：通常是未提前做字符串清洗、未指定固定选项集合导致的。

可行实现代码 #

方法1：tidyverse 实现（无额外依赖包适配问题） #

核心逻辑是先固定全部选项顺序，拆分长格式后转宽格式补0，兼容新旧版本tidyverse：

library(tidyverse)
# 1. 先固定7个目标选项的顺序和名称，保证列不会缺失
target_options <- c(
  "Inhalt", "Arbeit", "Verhindern Koalition", 
  "Ermöglichen Koalition", "Verhindern Kanzlerschaft",
  "Ermöglichen Kanzlerschaft", "Spitzenpolitiker"
)
# 2. 处理数据
einzeln_strategisch_2021 <- strategisch_2021 %>%
  # 给每行加唯一行ID避免重复值出错
  mutate(row_id = row_number()) %>%
  # 按逗号+空格拆分Q12的多选项，转成长格式，旧版tidyr可替换为separate_rows(Q12, sep = ", ")
  separate_longer_delim(Q12, delim = ", ") %>%
  # 标记选中的选项为1
  mutate(value = 1) %>%
  # 转成宽格式，选项作为列名，未选中的位置补0
  pivot_wider(
    names_from = Q12, 
    values_from = value, 
    values_fill = 0
  ) %>%
  # 补充原始数据里没出现过的选项列，统一赋值0
  add_column(!!!set_names(
    map(target_options[!target_options %in% colnames(.)], ~0),
    target_options[!target_options %in% colnames(.)]
  )) %>%
  # 按预设顺序排列选项列，保留原数据其他非Q12列
  select(-row_id, all_of(target_options), everything())

示例数据运行后输出结果完全符合预期：

方法2：splitstackshape::charMat 正确用法 #

使用charMat前需要统一分隔符格式，同时预先指定全量选项集合，避免列缺失：

library(splitstackshape)
# 定义固定目标选项
target_options <- c(
  "Inhalt", "Arbeit", "Verhindern Koalition", 
  "Ermöglichen Koalition", "Verhindern Kanzlerschaft",
  "Ermöglichen Kanzlerschaft", "Spitzenpolitiker"
)
# 先把逗号分隔的字符串改成|分隔（charMat默认分隔符），再生成二进制矩阵
binary_mat <- charMat(
  gsub(", ", "|", strategisch_2021$Q12),
  split = "|",
  type = "binary",
  # 预先指定全部要保留的选项，避免缺失列
  levels = target_options
)
# 合并回原数据（去掉原Q12列）
einzeln_strategisch_2021 <- cbind(
  strategisch_2021[, !colnames(strategisch_2021) %in% "Q12"],
  binary_mat
)

注意事项 #

• 必须预先定义全部7个目标选项的向量，否则原始数据中未被选中的选项（比如示例里的Arbeit）不会出现在最终结果中，列数不符合要求。
• 拆分前注意分隔符是, （逗号+空格），不要漏了后面的空格，否则拆分出的选项前面会带多余空格，导致匹配失败。

内容的提问来源于stack exchange，提问作者Mr. Draro