列中的多个类别变量和前缀

Question

我有一个调查数据，其中包含文本答案，分类变量和数字。

[转换为大熊猫的数据框，但问题是多选列，有时具有多个分类变量，因为调查被设计为“选择所有适用项”。

例如：

ID  Category    Num1 Num2 Num3
1   A, B, C     1    1    1
2   B, C, D     1    0    1
3   A, C        1    1    1
4   A           0    1    1
5   A, C, D     0    1    1

我正在尝试将这些类别与数字变量相关联。

比方说，A的存在等于Num1的值。

但是当我使用数据框时，Python（和R）将例如[A，B，C]视为另一个类别，将整个单元格识别为该类别。

我认为我需要一种方法（以隐藏方式）解析（爆炸？）值，然后再输入统计分析命令。

我该如何解决这个问题？

Answer 1

如果您的数据帧称为df，则可以像这样测试Category中是否存在“ A”：

grepl("A", as.character(df$Category))
#> [1]  TRUE FALSE  TRUE  TRUE  TRUE

如果您希望TRUE和FALSE分别为1和0，则只需执行以下操作：

grepl("A", as.character(df$Category)) * 1
#> [1] 1 0 1 1 1