如何在R语言中解析向量值，生成含多水平的因子？

解决方案 #

标准R的factor类型仅支持每个元素对应单一水平，但可以通过以下几种方式实现你需要的「每个元素关联多个水平」的需求：

方法1：生成哑变量矩阵（splitstackshape包） #

这个方法会把每个水平转换成一列，用1/0标记元素是否包含该水平：

# 安装依赖包（首次使用时）
install.packages("splitstackshape")
library(splitstackshape)

f = c("apple|banana","lime","apple|lime","apple|lime|banana")
# 拆分字符串并生成哑变量
result_df <- cSplit_e(data.frame(f), col = "f", sep = "|", type = "character", drop = TRUE)
print(result_df)

输出结果：

f_apple f_banana f_lime
1       1        1      0
2       0        0      1
3       1        0      1
4       1        1      1

方法2：构建列表列（tidyverse工具链） #

如果希望每个元素直接存储对应的水平向量，可以用这种方式：

library(tidyverse)

f = c("apple|banana","lime","apple|lime","apple|lime|banana")

# 将每个字符串拆分为水平向量，存储在列表列中
multi_factor_list <- tibble(raw = f) %>%
  mutate(factors = str_split(raw, "\\|")) %>%
  pull(factors)

# 查看第一个元素对应的水平
multi_factor_list[[1]]
# 输出: [1] "apple"  "banana"

# 可进一步将向量转为指定水平的因子
multi_factor_list <- lapply(multi_factor_list, function(x) factor(x, levels = c("apple", "banana", "lime")))
multi_factor_list[[1]]
# 输出: [1] apple  banana
# Levels: apple banana lime

方法3：基础R实现指示矩阵 #

无需额外包，用基础R生成逻辑型指示矩阵：

f = c("apple|banana","lime","apple|lime","apple|lime|banana")
target_levels <- c("apple", "banana", "lime")

# 逐水平检查每个元素是否包含该水平
indicator_matrix <- sapply(target_levels, function(lev) grepl(lev, f))
print(indicator_matrix)

输出的逻辑矩阵：

apple banana  lime
[1,]  TRUE   TRUE FALSE
[2,] FALSE  FALSE  TRUE
[3,]  TRUE  FALSE  TRUE
[4,]  TRUE   TRUE  TRUE

内容的提问来源于stack exchange，提问作者Natasha