如何使用tidyverse语法为分类变量批量生成虚拟变量？

实现方案 #

完全可以仅使用tidyverse原生语法实现该需求，通用逻辑支持自动识别所有字符/因子类型的分类变量，自动生成符合「变量名_取值」格式的虚拟变量，适配多分类变量场景。

单分类变量示例代码 #

library(tidyverse)

# 原始数据
dat <- tribble(
  ~isHot, ~isCrispy, ~Restaurant,
  1, 0, "A",
  0, 0, "B",
  1, 1, "B",
  0, 0, "C"
)

# 处理逻辑
dat_result <- dat %>%
  # 为所有分类变量生成临时标识列，用于后续构造虚拟变量
  mutate(across(where(~ is.character(.x) | is.factor(.x)), 
                ~ .x, 
                .names = "{.col}_dummy")) %>%
  # 宽表转换生成虚拟变量
  pivot_wider(
    names_from = ends_with("_dummy"),
    values_from = ends_with("_dummy"),
    values_fn = ~ 1,
    values_fill = 0,
    names_glue = "{.col}_{.value}"
  ) %>%
  # 可选：如果需要去掉某组作为基准组（如示例中去掉Restaurant_C），保留该行即可
  select(-ends_with("_C"))

运行后输出结果和要求完全一致：

> dat_result
# A tibble: 4 × 4
  isHot isCrispy Restaurant_A Restaurant_B
  <dbl>    <dbl>        <dbl>        <dbl>
1     1        0            1            0
2     0        0            0            1
3     1        1            0            1
4     0        0            0            0

多分类变量适配说明 #

如果有多个分类变量，不需要修改核心逻辑，代码会自动识别处理，示例如下：

# 新增City分类变量的测试数据
dat_multi <- tribble(
  ~isHot, ~isCrispy, ~Restaurant, ~City,
  1, 0, "A", "北京",
  0, 0, "B", "上海",
  1, 1, "B", "北京",
  0, 0, "C", "广州"
)

# 复用同一套处理逻辑
dat_multi_result <- dat_multi %>%
  mutate(across(where(~ is.character(.x) | is.factor(.x)), 
                ~ .x, 
                .names = "{.col}_dummy")) %>%
  pivot_wider(
    names_from = ends_with("_dummy"),
    values_from = ends_with("_dummy"),
    values_fn = ~ 1,
    values_fill = 0,
    names_glue = "{.col}_{.value}"
  )

运行后会自动生成Restaurant_A、Restaurant_B、Restaurant_C、City_北京、City_上海、City_广州所有虚拟变量列。

逻辑说明 #

• where(~ is.character(.x) | is.factor(.x)) 自动匹配所有分类变量，无需手动指定变量名
• names_glue 控制虚拟变量列名格式为「原变量名_取值」，符合命名要求
• 不需要设置基准组时，删掉select(-ends_with("_C"))行即可保留所有取值的虚拟变量

内容的提问来源于stack exchange，提问作者Eisen