R字符串操作：将分号分隔的分类列转换为0-1哑变量矩阵

以下提供两种可直接运行的实现方式，均满足全部需求： #

方案1：基础R实现（无需安装额外依赖包） #

# 构造原始数据集
fruits <- data.frame(
  Fruits = c(
    "Apples; Oranges; Bananas",
    "Plums; Apples",
    "Satsumas; Plums",
    "Apricots/Peaches; Avocados",
    "Avocados; Oranges"
  ),
  stringsAsFactors = FALSE
)

# 按分号+任意数量空格分割字符串，自动去除水果名前后空格
split_fruits <- strsplit(fruits$Fruits, ";\\s*")
# 提取所有唯一水果名
all_unique_fruits <- unique(unlist(split_fruits))

# 逐行匹配是否包含对应水果，生成0/1矩阵
result_matrix <- t(sapply(split_fruits, function(row_fruits) {
  as.integer(all_unique_fruits %in% row_fruits)
}))

# 转换为数据框，check.names=FALSE禁止自动将/替换为点
result_df <- as.data.frame(
  result_matrix,
  col.names = all_unique_fruits,
  check.names = FALSE
)

方案2：tidyverse 实现（语法更简洁易维护） #

library(dplyr)
library(tidyr)
library(stringr)

result_df <- fruits %>%
  # 增加行索引用于后续宽表转换
  mutate(row_id = row_number(),
         # 分割字符串并自动去空格
         fruit_item = str_split(Fruits, ";\\s*")) %>%
  unnest(fruit_item) %>%
  # 标记出现过的水果为1
  mutate(val = 1) %>%
  # 转换为宽表，不修改特殊列名
  pivot_wider(
    id_cols = row_id,
    names_from = fruit_item,
    values_from = val,
    values_fill = 0,
    names_repair = "minimal"
  ) %>%
  # 可选：删除辅助用的行索引列
  select(-row_id)

关键逻辑说明 #

• 分割字符串时使用正则;\\s*作为分隔符，自动匹配分号后的任意数量空格，直接消除水果名前后的空格差异
• 转换为数据框/宽表时关闭列名校验，保留/字符不被自动替换为.
• 匹配逻辑自动按是否存在填充1/0，无需额外判断

内容的提问来源于stack exchange，提问作者Cinnamon