paquete - Creando variables ficticias en R data.table

paquete dummies r

Question

Estoy trabajando con un conjunto de datos extremadamente grande en R y he estado operando con marcos de datos y he decidido cambiar a data.tables para ayudar a acelerar las operaciones. Tengo problemas para entender las operaciones J, en particular estoy tratando de generar variables ficticias, pero no puedo averiguar cómo codificar operaciones condicionales dentro de data.tables [].

MWE:

test <- data.table("index"=rep(letters[1:10],100),"var1"=rnorm(1000,0,1))

Lo que me gustaría hacer es agregar columnas a través de j como variables ficticias, de modo que la columna a tenga un valor 1 cuando el index == "a" y 0 caso contrario. En el entorno data.frame se vería algo así como:

test$a <- 0

test$a[test$index==''a''] <- 1

Answer 1

Esto parece hacer lo que estás buscando:

inds <- unique(test$index)
test[, (inds) := lapply(inds, function(x) index == x)]

lo que da

      index        var1     a     b     c     d     e     f     g     h     i     j
   1:     a  0.25331851  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
   2:     b -0.02854676 FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
   3:     c -0.04287046 FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
   4:     d  1.36860228 FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
   5:     e -0.22577099 FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
  ---                                                                              
 996:     f -1.02040059 FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 997:     g -1.31345092 FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
 998:     h -0.49448088 FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE
 999:     i  1.75175715 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
1000:     j  0.05576477 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

Aquí hay otra manera:

dcast(test, index + var1 ~ index, fun = length)
# or, if you want to preserve row order
dcast(test[, r := .I], r + index + var1 ~ index, fun = length)[, r := NULL]

Y otro:

rs = split(seq(nrow(test)), test$index)
test[, names(rs) := FALSE ]
for (n in names(rs)) set(test, i = rs[[n]], j = n, v = TRUE )