问题:在Python中,我会使用字典和使用大量的地图/应用函数。但是,对于R,我使用这个简单的方法开始使用列表,并且我想知道是否有更高效/更优雅的方法来执行以下操作。更有效的方法来创建一个虚拟编码
在统计中,您使用虚拟变量来表示名义属性的级别。例如,A/B/C将变为00,01,10 .A/B/C/D将变成000,001,010,100。因此,每个项目只允许一个1。因此您需要n-1
数字来表示n
变量/字母。
在这里,我创建了一些数据:
data <- data.frame(
"upper" = c(1,1,1,2,2,2,3,3,3), # var 1
"country" = c(1,2,3,1,2,3,1,2,3), # var 2
"price" = c(1,2,3,2,3,1,3,1,2) # var 3
)
创建(独特的属性水平的列表)键(属性)和值的列表:
lst <- list()
for (attribute in colnames(data)) {
lst[[attribute]] = unique(data[[attribute]])
}
创建虚拟编码,i
用于只考虑n-1
项目:
dummy <- list()
for (attribute in colnames(data)) {
i <- 1
for (level in lst[[attribute]]) {
if (length(lst[[attribute]])!=i) {
dummy[[paste0(attribute, level)]] <- ifelse(
data[[attribute]]==level,
1,
0
)
}
i <- i + 1
}
}
结果:
dummy
$upper1
[1] 1 1 1 0 0 0 0 0 0
$upper2
[1] 0 0 0 1 1 1 0 0 0
$country1
[1] 1 0 0 1 0 0 1 0 0
$country2
[1] 0 1 0 0 1 0 0 1 0
$price1
[1] 1 0 0 0 0 1 0 1 0
$price2
[1] 0 1 0 1 0 0 0 0 1
在R中,你很少必须自己做虚拟编码。大多数建模功能为你做,如果你传递给他们一个因子变量。 – Roland