基于多列数据生成新列：皮肤问题位置数据集重构需求

嘿，我来帮你搞定这个数据格式转换的需求！看起来你需要把分散在20个scaloc列里的皮肤问题位置，转换成按身体部位分类的二进制列（1表示该部位有问题，0表示没有）。我给你两种常用工具的实现方法，你可以根据自己用的语言选择：

方法1：用R（dplyr/tidyr） #

步骤说明 #

1. 先定义位置编号到身体部位的映射（你可以根据实际对应关系修改）
2. 要么通过「宽转长再转宽」的方式处理，要么直接用rowSums快速生成二进制列

快速实现（rowSums法）

这种方法不需要转换数据格式，直接逐行检查是否存在目标位置：

library(dplyr)

# 假设你的数据集名为skin_data
# 第一步：定义位置-部位映射
location_to_part <- list(
  face = c(3),          # 示例：位置3对应face
  torso = c(5, 6, 7),   # 示例：位置5/6/7对应torso
  arms = c(10, 11),     # 示例：位置10/11对应arms
  legs = c(15, 16)      # 示例：位置15/16对应legs
)

# 第二步：生成各部位的二进制列
skin_data_processed <- skin_data %>%
  mutate(
    face = as.integer(rowSums(select(., starts_with("scaloc")) == location_to_part$face, na.rm = TRUE) > 0),
    torso = as.integer(rowSums(select(., starts_with("scaloc")) %in% location_to_part$torso, na.rm = TRUE) > 0),
    arms = as.integer(rowSums(select(., starts_with("scaloc")) %in% location_to_part$arms, na.rm = TRUE) > 0),
    legs = as.integer(rowSums(select(., starts_with("scaloc")) %in% location_to_part$legs, na.rm = TRUE) > 0)
  )

灵活扩展（宽转长法）

如果后续需要调整部位分类，这种方法更易维护：

library(dplyr)
library(tidyr)

skin_data_processed <- skin_data %>%
  # 把20个scaloc列转成长格式，丢弃NA值
  pivot_longer(
    cols = starts_with("scaloc"),
    names_to = "col_name",
    values_to = "location",
    values_drop_na = TRUE
  ) %>%
  # 给每个位置匹配对应的身体部位
  mutate(body_part = case_when(
    location %in% c(3) ~ "face",
    location %in% c(5,6,7) ~ "torso",
    location %in% c(10,11) ~ "arms",
    location %in% c(15,16) ~ "legs",
    TRUE ~ NA_character_  # 未定义的位置标记为NA
  )) %>%
  # 按原始行分组，每个部位标记为1
  group_by(across(-c(col_name, location, body_part))) %>%
  summarise(
    face = max(as.integer(body_part == "face"), na.rm = TRUE),
    torso = max(as.integer(body_part == "torso"), na.rm = TRUE),
    arms = max(as.integer(body_part == "arms"), na.rm = TRUE),
    legs = max(as.integer(body_part == "legs"), na.rm = TRUE),
    .groups = "drop"
  ) %>%
  # 和原始数据合并，确保未出现部位的行设为0
  right_join(skin_data, by = names(skin_data)[!grepl("scaloc", names(skin_data))]) %>%
  mutate(across(c(face, torso, arms, legs), ~replace_na(., 0)))

方法2：用Python（Pandas） #

Pandas的isin+any方法可以快速实现需求，代码简洁易读：

import pandas as pd

# 假设你的数据集名为skin_df
# 定义位置-部位映射
location_mapping = {
    'face': [3],
    'torso': [5, 6, 7],
    'arms': [10, 11],
    'legs': [15, 16]
}

# 提取所有scaloc列
scaloc_columns = [col for col in skin_df.columns if col.startswith('scaloc')]

# 循环生成每个部位的二进制列
for part, locations in location_mapping.items():
    # 检查每行是否有属于该部位的位置，转成整数1/0
    skin_df[part] = skin_df[scaloc_columns].isin(locations).any(axis=1).astype(int)

关键提示 #

• 你只需要根据实际业务逻辑，修改位置-部位的映射列表即可，比如如果face对应位置3、4，就把face = [3]改成face = [3,4]
• 两种方法都会自动处理NA值，只要某一行的scaloc列中有任意一个属于目标部位的值，就会将对应部位列设为1

内容的提问来源于stack exchange，提问作者mmarks