cara menangani kolom yang berisi beberapa nilai yang dipisahkan koma dalam bahasa R

Ada kolom di kumpulan data saya (file CSV) yaitu fasilitas. Ini berisi nilai seperti{"Internet Nirkabel", "Dapat diakses kursi roda", Dapur, Lift, "Buzzer/interkom nirkabel", Pemanas, Mesin Cuci, Pengering, Perlengkapan Penting, Sampo, Gantungan, "Ruang kerja ramah laptop"}, {TV," Kabel TV",Internet,"Internet Nirkabel","AC",Dapur,"Boleh Merokok","Hewan peliharaan diperbolehkan","Buzzer/interkom nirkabel",Pemanas,"Ramah keluarga/anak","Detektor asap",,"Karbon monoksida, dll. Ada sekitar 10 ribu kolom seperti ini. Saya ingin mengubah setiap fasilitas menjadi kolom baru dan ingin membuat nilai 0 atau 1 untuk setiap entri. Misalnya:

Kolom harus dibuat seperti di bawah ini. Internet Nirkabel Kursi Roda Dapat Diakses Dapur Elivator Buzzer/Nirkabel 1 0 1 1 0

Pada dasarnya, setiap elemen kolom membuat kolom baru dan nilainya harus seperti 0 dan 1 berdasarkan apakah fasilitasnya ada di kolom tersebut atau tidak.

Saya memiliki masukan seperti di bawah ini: masukkan deskripsi gambar di sini

dan saya ingin output seperti di bawah ini:

masukkan deskripsi gambar di sini


r one-hot-encoding
person Rachit Jain    schedule 18.04.2020    source sumber
comment
periksa jawaban saya di sini. Anda harus bisa mengerti.   -  person nikn8    schedule 19.04.2020
comment
Apakah ini menjawab pertanyaan Anda? Bagaimana cara memodelkan efek genre pada film peringkat?   -  person nikn8    schedule 19.04.2020
comment
Ini mungkin membantu Anda memulai: dengan asumsi bahwa daatframe Anda dipanggil dfAnda dapat melakukan: amenities_clean <- gsub('[{}"]', '', df$amenities) # remove unwanted stuff amenities_unique <- unique(unlist(strsplit(amenities_clean, ","))) # get a list of unique amenities df[amenities_unique] <- NA # set up the columns for each amenity   -  person Chris Ruehlemann    schedule 19.04.2020
comment
@ChrisRuehlemann: Terima kasih atas kode pemisahan di atas. Itu berhasil. Sekarang tujuan saya adalah membuat kolom baru di df dengan nilai-nilai ini dan jika nilai tersebut tersedia di kolom fasilitas asli maka tandai sebagai 1 selain 0.   -  person Rachit Jain    schedule 26.04.2020

Jawaban (1)


arrow_upward
0
arrow_downward

Inilah solusi (yang agak rumit) (untuk masalah yang agak rumit):

Data:

df <- data.frame(
  id = 1:2,
  amenities = c('{"Wireless Internet","Wheelchair accessible",Kitchen,Elevator,"Buzzer/wireless intercom",Heating,Washer,Dryer,Essentials,Shampoo,Hangers,"Laptop friendly workspace"}',
                 '{TV,"Cable TV",Internet,"Wireless Internet","Air conditioning",Kitchen,"Smoking allowed","Pets allowed","Buzzer/wireless intercom",Heating,"Family/kid friendly","Smoke detector","Carbon monoxide}'))

Siapkan data:

amenities_clean <- gsub('[{}"]', '', df$amenities) # remove unwanted stuff 
amenities_split <- strsplit(amenities_clean, ",") # split rows into individual amenities
amenities_unique <- unique(unlist(strsplit(amenities_clean, ","))) # get a list of unique amenities 
df[amenities_unique] <- NA # set up the columns for each amenity

Sekarang untuk inti analisanya, menggunakan str_detect dari paket stringr:

# record presence/absence of individual amenities in each new column:

library(stringr)
for(i in 1:ncol(df[amenities_unique])){
  for(j in 1:nrow(df)){
    df[amenities_unique][j,i] <- 
      ifelse(str_detect(amenities_split[j], names(df[amenities_unique][i])), 1, 0)
  }
}

Ini akan memunculkan peringatan tetapi tampaknya dapat diabaikan karena hasilnya benar:

df
  id
1  1
2  2
                                                                                                                                                                                            amenities
1                               {"Wireless Internet","Wheelchair accessible",Kitchen,Elevator,"Buzzer/wireless intercom",Heating,Washer,Dryer,Essentials,Shampoo,Hangers,"Laptop friendly workspace"}
2 {TV,"Cable TV",Internet,"Wireless Internet","Air conditioning",Kitchen,"Smoking allowed","Pets allowed","Buzzer/wireless intercom",Heating,"Family/kid friendly","Smoke detector","Carbon monoxide}
  Wireless Internet Wheelchair accessible Kitchen Elevator Buzzer/wireless intercom Heating Washer Dryer
1                 1                     1       1        1                        1       1      1     1
2                 1                     0       1        0                        1       1      0     0
  Essentials Shampoo Hangers Laptop friendly workspace TV Cable TV Internet Air conditioning Smoking allowed
1          1       1       1                         1  0        0        1                0               0
2          0       0       0                         0  1        1        1                1               1
  Pets allowed Family/kid friendly Smoke detector Carbon monoxide
1            0                   0              0               0
2            1                   1              1               1

EDIT:

Sebagai alternatif, dan mungkin lebih ekonomis, alih-alih forloop bersarang Anda dapat menggunakan fungsi apply seperti ini (berdasarkan vektor amenities_split dan amenities_unique dari tahap Persiapan solusi pertama):

cbind(df, t(sapply(amenities_split, function(x) 
  table(factor(x, levels = amenities_unique)))))
person Chris Ruehlemann    schedule 26.04.2020