如何优化R代码批量将分类变量转换为指示患者是否用药的哑变量

核心优化思路 #

• 无需手动拼接用药字符串、逐个判断生成列，直接利用宽表转换逻辑自动生成所有药物对应的二分类字段
• 仅保留「用户-药物」的唯一匹配关系后宽化，空值自动填充为0，完全匹配需求：只要服用过一次对应药物则取值为1，否则为0

优化后代码（tidyverse实现，兼容原使用的dplyr语法） #

library(tidyverse)

# 原始示例数据
id<-c(rep("A",7),rep("B",4))
medoc<-c("par","mor","mor","par","sed","sed",
         "sed","cur","sed","cur","sed")
mydata<-data.frame(id,medoc)

# 核心处理代码，无需修改即可适配任意数量的药物类型
mydata_opt <- mydata %>%
  distinct(id, medoc) %>% # 每个用户每种药物仅保留1条记录（代表吃过）
  mutate(value = 1) %>% # 吃过的标记为1
  pivot_wider(names_from = medoc, values_from = value, values_fill = 0) # 宽化，没吃过的填充为0

结果验证 #

运行后mydata_opt输出和手动生成的结果完全一致：

可选：基础R实现（无需加载第三方包） #

# 生成交叉表后转数据框，大于0的统一转为1
mydata_base <- as.data.frame.matrix(table(unique(mydata)$id, unique(mydata)$medoc))
mydata_base[mydata_base > 0] <- 1
# 将id从行名转为正式列
mydata_base$id <- rownames(mydata_base)
rownames(mydata_base) <- NULL

内容的提问来源于stack exchange，提问作者Seydou GORO