R语言中如何将分类变量转为哑变量并合并重复ID？

嘿，这个需求在处理分类数据时超常见，我给你分享几种实用的R实现方法，都能完美把你的长格式数据转成每个ID一行的哑变量宽格式：

方法一：用tidyverse工具链（推荐，代码易读且灵活） #

这是现在R数据处理的主流方式，用dplyr做数据操作，tidyr做格式转换：

# 先加载tidyverse包（如果没安装先运行install.packages("tidyverse")）
library(tidyverse)

# 你的示例数据
df <- data.frame(
  ID = c("A", "B", "C", "A", "C", "B"), 
  Color = c("Red", "Blue", "Green", "Blue", "Blue", "Red")
)

# 核心转换步骤
result_df <- df %>%
  mutate(value = 1) %>%  # 为每个存在的ID-Color组合标记1
  pivot_wider(
    names_from = Color,       # 将Color列的类别转为新列名
    values_from = value,      # 用value列的值填充新列
    names_prefix = "Color_",  # 给新列名加上指定前缀
    values_fill = 0           # 对ID没有的类别填充0
  )

# 查看结果
print(result_df)

运行后就能得到你想要的格式，这个方法的好处是可以轻松扩展到更多列，或者调整前缀、填充值等参数。

方法二：基础R实现（无需额外安装包） #

如果你不想加载第三方包，用基础R的table函数就能快速搞定：

# 示例数据
df <- data.frame(
  ID = c("A", "B", "C", "A", "C", "B"), 
  Color = c("Red", "Blue", "Green", "Blue", "Blue", "Red")
)

# 生成ID和Color的交叉统计表（自动统计出现次数，这里结果是0或1）
cross_table <- table(df$ID, df$Color)

# 转换为数据框并调整格式
result_df <- as.data.frame.matrix(cross_table)
colnames(result_df) <- paste0("Color_", colnames(result_df))  # 添加前缀
result_df <- tibble::rownames_to_column(result_df, "ID")      # 将行名转为ID列

# 查看结果
print(result_df)

这个方法非常简洁，适合快速处理简单数据，缺点是灵活性不如tidyverse，但胜在无需额外依赖。

方法三：用model.matrix（适合统计建模场景） #

如果你后续要做回归等统计分析，model.matrix生成哑变量的方式会更贴合建模需求：

# 加载dplyr辅助分组（也可以用基础R实现）
library(dplyr)

# 示例数据
df <- data.frame(
  ID = c("A", "B", "C", "A", "C", "B"), 
  Color = c("Red", "Blue", "Green", "Blue", "Blue", "Red")
)

# 先提取每个ID对应的唯一类别
unique_df <- df %>% distinct(ID, Color) %>% mutate(dummy = 1)

# 生成哑变量矩阵
dummy_matrix <- model.matrix(~ Color - 1, data = unique_df)
colnames(dummy_matrix) <- gsub("Color", "Color_", colnames(dummy_matrix))

# 合并并按ID分组聚合（保留每个ID的最大取值，即存在则为1）
result_df <- cbind(unique_df["ID"], dummy_matrix) %>%
  group_by(ID) %>%
  summarise(across(everything(), max))

# 查看结果
print(result_df)

这个方法生成的哑变量格式和建模要求一致，适合后续直接用于模型输入。

内容的提问来源于stack exchange，提问作者Raphaël Liev