为数据框循环添加多列

Vinnish

我有这么一列数据，长这样：
列名：

Allergy_Drugs
磺胺类,丹红
-
-
-
-
-
-
-
-
磺胺

这一列相当于分类变量，我要把它拆成虚拟变量，于是先用以下代码获得了所有的变量

type_drug = unique(data$Allergy_Drugs) %>% 
  str_split(pattern = ",") %>% 
  unlist() %>% 
  unique()

然后用for循环和mutate一列一列添加，但是mutate不支持all_of()之类的把变量变成字符的函数，于是只能用sym和反引用方法，长这样：

data_drug = data %>% select(Allergy_Drugs) %>% as_tibble()
data_drug
for (i in type_drug){
  data_drug = data_drug %>% 
    mutate(!!sym(i) := ifelse(str_detect(Allergy_Drugs, i), 1, 0)) %>% 
    as_tibble()
}

其实我感觉还可以了，但是总感觉怪怪的，tidyR和baseR杂糅的样子。
请问在日常工作中列位遇到这样的情况是怎么解决的？

meeeeeeeeo

Vinnish
可以试试 named list-column + tidyr::unnest_wider

library(dplyr, warn.conflicts = F)
library(tidyr)
library(purrr)
library(stringr)

df <- tibble(x = c('a, b', 'c', 'a, c, d'))

df1 <- df %>% 
  mutate(
    y = str_split(x, ', '),
    y = map(y, ~ .x %>% set_names(.x))
  ) %>% 
  unnest_wider(y)

df1
#> # A tibble: 3 × 5
#>   x       a     b     c     d    
#>   <chr>   <chr> <chr> <chr> <chr>
#> 1 a, b    a     b     <NA>  <NA> 
#> 2 c       <NA>  <NA>  c     <NA> 
#> 3 a, c, d a     <NA>  c     d

df1 %>% 
  mutate(across(!x, ~ if_else(is.na(.x), 0, 1)))
#> # A tibble: 3 × 5
#>   x           a     b     c     d
#>   <chr>   <dbl> <dbl> <dbl> <dbl>
#> 1 a, b        1     1     0     0
#> 2 c           0     0     1     0
#> 3 a, c, d     1     0     1     1

这里楼上的长宽表转化就够了，不需要这么花里胡哨的方法 😆

tctcab

分两步，先将带逗号的多变量组的数据拆成标准的长表，再转为宽表形式即可

library(dplyr)
library(tidyr)
library(stringr)

data=data.table::fread(
"
id Allergy_Drugs
1 磺胺类,丹红
2 -
3 -
4 -
5 -
6 -
7 -
8 -
9 -
10 磺胺
"
)

data %>% 
  separate_rows(Allergy_Drugs,sep = ",") %>% 
  mutate(val=1) %>%
  pivot_wider(names_from = Allergy_Drugs,values_from = val,values_fill = 0)
#> # A tibble: 10 × 5
#>       id 磺胺类  丹红   `-`  磺胺
#>    <int>  <dbl> <dbl> <dbl> <dbl>
#>  1     1      1     1     0     0
#>  2     2      0     0     1     0
#>  3     3      0     0     1     0
#>  4     4      0     0     1     0
#>  5     5      0     0     1     0
#>  6     6      0     0     1     0
#>  7     7      0     0     1     0
#>  8     8      0     0     1     0
#>  9     9      0     0     1     0
#> 10    10      0     0     0     1

<sup>Created on 2023-04-10 with reprex v2.0.2</sup>

Vinnish

tctcab 感谢您的回复。您的解法简洁而高效。我还想请问您，请问对数据框添加很多列，您有什么看法吗？

Vinnish

meeeeeeeeo 嗯，谢谢您！

tctcab

Vinnish

这个看法太抽象和笼统了不知道咋说…

不过你这个问题属于数据清理里的常规操作，没啥特别的。能实现分析数据的具体目标就行。

fenguoerbian

在准备好你的type_drug之后，base R的话可以考虑sapply

sapply(type_drug, function(x, invec){
    as.numeric(grepl(x, invec))    # as.numeric(str_detect(invec, x))
}, 
invec = data_drug$Allergy_Drugs)

#> 磺胺类 丹红 - 磺胺
#> [1,]      1    1 0    1
#> [2,]      0    0 1    0
#> [3,]      0    0 1    0
#> [4,]      0    0 1    0
#> [5,]      0    0 1    0
#> [6,]      0    0 1    0
#> [7,]      0    0 1    0
#> [8,]      0    0 1    0
#> [9,]      0    0 1    0
#> [10,]      0    0 0    1

plumber

我有一计

楼主的操作，基本就是文本分析里生成dtmatrix的流程

data=data.table::fread(
  "
id Allergy_Drugs
1 磺胺类,丹红
2 -
3 -
4 -
5 -
6 -
7 -
8 -
9 -
10 磺胺
"
)

data |> 
  as_tibble() |>
  tidytext::unnest_tokens(word, Allergy_Drugs, pattern = ",", token = stringr::str_split) |>
  group_by(id) |>
  count(id, word) |>
  tidytext::cast_dfm(id, word, n) |>
  as_tibble()

# A tibble: 10 × 5
   doc_id  丹红 磺胺类   `-`  磺胺
   <chr>  <dbl>  <dbl> <dbl> <dbl>
 1 1          1      1     0     0
 2 2          0      0     1     0
 3 3          0      0     1     0
 4 4          0      0     1     0
 5 5          0      0     1     0
 6 6          0      0     1     0
 7 7          0      0     1     0
 8 8          0      0     1     0
 9 9          0      0     1     0
10 10         0      0     0     1