R语言：多同信息因子列转颜色哑变量的工具函数问询

嘿，这个需求确实很常见！我来给你分享几个在R里快速把多列颜色因子转成哑变量的方法，都是日常用得比较多的路子：

首先咱们先把你给出的示例数据搭出来，方便后续测试：

df <- data.frame(
  y = c(1,2,1,4,2,3),
  color1 = c("r","b","b","g","r","b"),
  color2 = c("b",NA,"g",NA,NA,"r"),
  color3 = c(NA,NA,"r",NA,NA,NA)
)

方法一：用tidyverse（dplyr+tidyr）实现 #

这个方法逻辑直观，适合已经在用tidyverse做数据处理的场景：

library(tidyverse)

# 第一步：把多列颜色转成长格式，过滤掉NA值，标记存在的颜色为1
long_df <- df %>%
  pivot_longer(cols = starts_with("color"), names_to = NULL, values_to = "color") %>%
  filter(!is.na(color)) %>%
  mutate(exists = 1)

# 第二步：转成宽格式，每个颜色作为一列，缺失的补0，最后和原y列匹配
dummy_df <- long_df %>%
  pivot_wider(names_from = color, values_from = exists, values_fill = 0) %>%
  group_by(y) %>%
  summarise(across(everything(), sum)) %>%  # 同一行的多个颜色合并求和
  right_join(df %>% select(y), by = "y") %>%  # 保留所有原始的y值
  mutate(across(-y, ~replace_na(., 0)))  # 没有该颜色的行补0

# 查看结果
dummy_df

运行后就能得到每个颜色对应的哑变量列，某行只要在任意color列里出现过该颜色，对应列就是1，否则是0。

方法二：用Base R实现（无需额外安装包） #

要是你不想装额外的包，用Base R自带的函数也能搞定：

# 先提取所有不重复的颜色（去掉NA）
unique_colors <- unique(unlist(df[, startsWith(names(df), "color")]))
unique_colors <- unique_colors[!is.na(unique_colors)]

# 为每个颜色生成哑变量列
dummy_cols <- lapply(unique_colors, function(color) {
  # 检查每行的颜色列里是否包含当前颜色，是则返回1，否则0
  apply(df[, startsWith(names(df), "color")], 1, function(row) {
    as.integer(color %in% row)
  })
})

# 组合成最终的数据框
dummy_df_base <- cbind(df["y"], do.call(cbind, dummy_cols))
names(dummy_df_base)[-1] <- unique_colors

# 查看结果
dummy_df_base

方法三：用fastDummies包快速生成 #

如果你经常需要处理哑变量，fastDummies包是个不错的选择，操作更简洁：

library(fastDummies)

# 先把每行的所有非NA颜色合并成一个用逗号分隔的字符串
df$colors <- apply(df[, startsWith(names(df), "color")], 1, function(x) {
  paste(na.omit(x), collapse = ",")
})

# 一键生成哑变量，按逗号拆分颜色字符串
dummy_df_fast <- dummy_cols(df, select_columns = "colors", split = ",") %>%
  select(y, starts_with("colors_")) %>%  # 只保留y和生成的哑变量列
  rename_with(~gsub("colors_", "", .), starts_with("colors_"))  # 去掉列名前缀

# 查看结果
dummy_df_fast

这几种方法最终得到的结果都是你想要的每个颜色对应的哑变量，后续直接把这些哑变量作为x变量代入模型就可以啦～

内容的提问来源于stack exchange，提问作者Thomas