R语言中基于字符串变量创建虚拟变量的实现方法

首先提个前置注意点：你初始用cbind(people, colors)生成的对象是字符型矩阵，不是标准数据框，所有操作前建议先转成data.frame，避免后续出现类型异常。

方法1：基础R原生实现（零依赖） #

不用安装任何第三方包，直接用内置的model.matrix函数生成虚拟变量即可，代码如下：

# 转换为标准数据框
df <- as.data.frame(cbind(people, colors), stringsAsFactors = FALSE)

# 生成无截距项的虚拟变量矩阵
dummy_vars <- model.matrix(~ colors - 1, data = df)
# 清理列名，去掉自动生成的"colors"前缀
colnames(dummy_vars) <- sub("^colors", "", colnames(dummy_vars))

# 拼接原people列得到最终结果
df_dummies <- cbind(people = df$people, as.data.frame(dummy_vars))

运行结果和你手动构造的示例完全一致，每个分类列的取值为0/1，对应行是否属于该分类。

方法2：tidyverse 生态实现（适配日常数据清洗流程） #

如果你平时用dplyr/tidyr做数据处理，可以用宽表转换的逻辑生成虚拟变量，不需要手动调整列名：

library(dplyr)
library(tidyr)

df_dummies <- df |> 
  as.data.frame(stringsAsFactors = FALSE) |> 
  mutate(flag = 1) |> 
  pivot_wider(
    names_from = colors, 
    values_from = flag, 
    values_fill = 0
  )

这个写法会自动把colors列的所有唯一值作为新列名，没有对应分类的行自动填充0，代码可读性很高。

方法3：fastDummies 包实现（适合大数据量场景） #

如果你的数据集行数很高，追求运行效率，可以用专门做虚拟变量生成的fastDummies包，一行代码完成全流程：

# 首次使用请先运行安装：install.packages("fastDummies")
library(fastDummies)

df_dummies <- df |> 
  as.data.frame(stringsAsFactors = FALSE) |> 
  dummy_cols(
    select_columns = "colors",
    remove_selected_columns = TRUE
  )

这个方法运行速度远快于前两种，百万行级数据也能秒出结果，生成的列名规范，不需要额外清理。

以上三种方法都可以自动适配colors列的所有分类取值，哪怕后续新增其他颜色分类，也不需要修改代码，比手动给每个颜色写向量赋值的方式通用性强很多。

内容的提问来源于stack exchange，提问作者Gabriel Voelcker