如何基于R数据框的列数据构建存在/缺失（1/0）矩阵或数据框

解决方案 #

你可以根据自己的使用习惯选择基础R或者tidyverse方案，两种都支持处理列长度不一（短列自动补NA的dataframe，或者原生列表结构）的场景： #

方法1：基础R实现（无需安装额外包）

如果你的原始数据是带NA补全的dataframe（长度不一的列会被自动填充NA），直接运行如下代码：

# 提取所有出现过的唯一元素，排除NA
all_ele <- sort(unique(na.omit(unlist(df))))
# 逐列判断元素是否存在，转成0/1值
res <- sapply(df, function(col) as.integer(all_ele %in% na.omit(col)))
# 设置行名为元素名
rownames(res) <- all_ele
# 查看结果
res

如果你的原始数据是列表结构（更适合存储长度不一的列），代码可以简化为：

# 示例列表结构原始数据
df_list <- list(
  sp1 = c("e1", "e2", "e4"),
  sp2 = c("e1", "e3", "e4"),
  sp3 = c("e2", "e3", "e5"),
  sp4 = c("e1", "e3")
)
all_ele <- sort(unique(unlist(df_list)))
res <- sapply(df_list, function(col) as.integer(all_ele %in% col))
rownames(res) <- all_ele

方法2：tidyverse实现（语法更灵活易读）

library(tidyverse)

res <- df %>%
  # 把所有列转为长表，自动丢弃NA值
  pivot_longer(everything(), values_to = "ele", values_drop_na = TRUE) %>%
  # 按列名和元素计数
  count(name, ele) %>%
  # 转回宽表，缺失值填充为0
  pivot_wider(names_from = name, values_from = n, values_fill = 0) %>%
  # 把元素列设为行名
  column_to_rownames("ele")

测试验证

以你提到的新增长度为2的sp4列场景测试，输入数据如下：

df <- data.frame(
  sp1 = c("e1", "e2", "e4"),
  sp2 = c("e1", "e3", "e4"),
  sp3 = c("e2", "e3", "e5"),
  sp4 = c("e1", "e3", NA)
)

两种方法输出的结果都符合预期：

sp1 sp2 sp3 sp4
e1   1   1   0   1
e2   1   0   1   0
e3   0   1   1   1
e4   1   1   0   0
e5   0   0   1   0

内容的提问来源于stack exchange，提问作者abraham