在R中如何将视频标签的字符串列表/向量拆分为哑变量列

看起来你需要处理的是R语言中带有列表/向量类型tags列的数据框，要自动生成所有标签的哑变量列——不管标签有没有提前预知，都能动态新增对应列。下面提供两种实用方法，分别基于tidyverse和base R：

方法1：用tidyverse（推荐，简洁易读） #

首先假设你的数据框结构类似这样（模拟你的输入）：

library(tidyverse)

# 模拟你的数据
df <- tibble(
  id = 1:4,
  tags = list(c("music", "guitar", "rock"), 
              c("music", "diy", "recording"), 
              c("hiking", "social"), 
              "tutorial")  # 单个标签的情况也能处理
)

接下来用unnest_longer拆分标签，再用pivot_wider转成宽格式的哑变量：

df_with_dummies <- df %>%
  unnest_longer(tags) %>%  # 把每个列表里的标签拆成单独行
  mutate(value = 1) %>%    # 标记存在的标签
  pivot_wider(
    names_from = tags,     # 把标签名作为列名
    values_from = value,   # 填充1/0
    values_fill = 0        # 不存在的标签填0
  )

运行后你会得到完全符合需求的结果：

方法2：用base R（无需额外包） #

如果你不想加载tidyverse包，可以用base R实现：

# 获取所有唯一标签
all_tags <- unique(unlist(df$tags))

# 循环生成每个标签的哑变量列
for (tag in all_tags) {
  df[[tag]] <- as.integer(sapply(df$tags, function(x) tag %in% x))
}

这段代码的逻辑是：先提取所有出现过的标签，再逐个判断每行的tags是否包含该标签，用as.integer把布尔值转成1/0。

注意事项 #

• 两种方法都能兼容「单个标签」和「多标签列表」的混合情况，不需要提前统一格式。
• 如果你的JSON导入后tags列是字符串（比如像"c('music','guitar')"这种格式），那需要先把它转成向量，可以用eval(parse(text = tags_column))处理，但这种情况建议导入时就解析成列表类型更安全。

内容的提问来源于stack exchange，提问作者Kuku