如何将二项分布数据重塑为长格式伯努利数据适配rpart分类树？

嘿，刚好我也常处理这种数据格式转换的需求，给你两种靠谱的方法，都能把你的宽格式数据转成rpart需要的长格式：

tidyverse里的tidyr和dplyr组合是处理这类格式转换的利器，步骤很清晰：

首先先构造你的示例数据（方便测试）：

library(tidyverse)

# 模拟你的原始宽格式数据
df <- tibble(
  Category = c("A", "B"),
  Shape = c("Square", "Triangle"),
  Color = c("Blue", "Blue"),
  Yes = c(3, 2),
  No = c(2, 4)
)

然后执行格式转换：

long_df <- df %>%
  # 把Yes/No列转成"Result"列，同时保留计数
  pivot_longer(cols = c(Yes, No), names_to = "Result", values_to = "Count") %>%
  # 根据计数重复行，实现展开
  uncount(Count) %>%
  # 把Category重命名为你需要的ID
  rename(ID = Category)

转换完成后，long_df就是你想要的长格式啦，直接用来喂给rpart就行。

如果不想加载第三方包，用Base R也能实现：

先构造示例数据：

# 模拟原始宽格式数据
df <- data.frame(
  Category = c("A", "B"),
  Shape = c("Square", "Triangle"),
  Color = c("Blue", "Blue"),
  Yes = c(3, 2),
  No = c(2, 4),
  stringsAsFactors = FALSE
)

然后执行转换：

# 遍历每一行，生成对应的展开数据
result_list <- lapply(1:nrow(df), function(row_idx) {
  current_row <- df[row_idx, ]
  # 生成Yes和No对应的重复行
  yes_rows <- data.frame(
    ID = current_row$Category,
    Shape = current_row$Shape,
    Color = current_row$Color,
    Result = rep("Yes", current_row$Yes),
    stringsAsFactors = FALSE
  )
  no_rows <- data.frame(
    ID = current_row$Category,
    Shape = current_row$Shape,
    Color = current_row$Color,
    Result = rep("No", current_row$No),
    stringsAsFactors = FALSE
  )
  # 合并当前行的Yes和No数据
  rbind(yes_rows, no_rows)
})

# 把所有行的结果合并成最终数据框
long_df <- do.call(rbind, result_list)

两种方法最终得到的long_df结构完全一致，之后你就可以用类似rpart(Result ~ Shape + Color, data = long_df)的代码来构建分类树了。

内容的提问来源于stack exchange，提问作者As3adTintin