R语言实现按ID统计动物词频并生成独热计数列

嗨，我来帮你搞定这个需求！咱们可以用tidyverse工具包来轻松实现，步骤清晰又直观，下面是具体的操作方法：

步骤1：加载必要的包 #

首先确保你已经安装了tidyverse，如果没安装的话先运行install.packages("tidyverse")，然后加载它：

library(tidyverse)

步骤2：导入你的示例数据 #

先把你提供的示例数据加载进来：

df <- structure(list(id = 1:3, animals = structure(1:3, .Label = c("cat dog", "cat pig dog fish fish", "horse horse"), class = "factor")), .Names = c("id", "animals"), class = "data.frame", row.names = c(NA, -3L))

步骤3：数据处理与转换 #

通过三步操作得到你想要的结果：

df_result <- df %>%
  # 1. 把animals列按空格拆分，每个动物单独占一行
  separate_rows(animals, sep = " ") %>%
  # 2. 按id和动物分组，统计每个id下每种动物的出现次数
  count(id, animals, name = "count") %>%
  # 3. 转换为宽格式，缺失的动物频次用0填充
  pivot_wider(names_from = animals, values_from = count, values_fill = 0)

查看结果 #

运行print(df_result)就能得到你想要的输出：

# A tibble: 3 × 6
     id   cat   dog  fish horse   pig
  <int> <int> <int> <int> <int> <int>
1     1     1     1     0     0     0
2     2     1     1     2     0     1
3     3     0     0     0     2     0

补充说明 #

• separate_rows()：专门用来把包含多个值的字符串拆分成多行，这里按空格分隔正好匹配你的数据格式；
• count()：替代group_by() %>% summarize(count = n())的快捷方式，直接统计分组后的数量；
• pivot_wider()：把长格式数据转换为宽格式，values_fill = 0确保那些在某个id下没出现的动物显示为0，而不是NA。

内容的提问来源于stack exchange，提问作者0mm3