我想将一个离散（标识符）变量转换为一系列逻辑列，以便我可以在逻辑回归函数（和其他函数）中使用该变量作为特征，而这些函数不能混合使用连续和离散值。
我有一个数据框中的因子列，我想将该列转换为一个由逻辑值组成的矩阵列（1到“级别数量”），例如：
my_labels=c("a","b","c","d","e","f")my_tally=c(1,1,3,2,3,4,5,1)my_tally=factor(my_tally, levels=c(1:6), labels=my_labels)summary(my_tally)expected_output=c(1,0,0,0,0,0, #1 1,0,0,0,0,0, #1 0,0,1,0,0,0, #3 0,1,0,0,0,0, #2 0,0,1,0,0,0, #3 0,0,0,1,0,0, #4 0,0,0,0,1,0, #5 1,0,0,0,0,0 #1 )expected_output=matrix(expected_output, nrow=length(my_tally), ncol=length(levels(my_tally)), byrow=TRUE )expected_outputcolSums(expected_output)对于生成expected_output的“快速”函数，有什么建议吗？这是一个大型数据问题（700个离散可能性，100万个观测值）。
回答：
这里有两个解决方案，一个使用基础R，适用于较小数据集时速度更快，另一个使用Matrix包中的稀疏矩阵，适用于较大数据集时速度非常快。
创建一个只填充0的矩阵
mat <- matrix(0, nrow=length(my_tally), ncol=length(levels(my_tally)))使用索引在适当的位置分配1：
mat[cbind(1:length(my_tally), as.numeric(my_tally))] <- 1# [,1] [,2] [,3] [,4] [,5] [,6]#[1,] 1 0 0 0 0 0#[2,] 1 0 0 0 0 0#[3,] 0 0 1 0 0 0#[4,] 0 1 0 0 0 0#[5,] 0 0 1 0 0 0#[6,] 0 0 0 1 0 0#[7,] 0 0 0 0 1 0#[8,] 1 0 0 0 0 0colSums(mat)#[1] 3 1 2 1 1 0方法二：稀疏矩阵
library(Matrix)colSums(sparseMatrix(i=1:length(my_tally), j=as.numeric(my_tally), dims=c(length(my_tally), length(levels(my_tally)))))#[1] 3 1 2 1 1 0这里是在一个更大的样本数据集（260个级别，100,000个元素）上的基准测试，你可以真正看到使用稀疏矩阵的好处：
# 样本数据my_labels <- c(LETTERS, letters, paste0(LETTERS, letters), paste0(letters, LETTERS), paste0(letters, letters, letters), paste0(LETTERS, LETTERS, LETTERS), paste0(LETTERS, letters, LETTERS), paste0(letters, LETTERS, letters), paste0(LETTERS, letters, letters), paste0(letters, LETTERS, LETTERS))my_tally <- sample(1:260, 100000, replace=TRUE)my_tally <- factor(my_tally, levels=c(1:260), labels=my_labels)# 基准测试library(microbenchmark)microbenchmark( Robert <- colSums(table(1:length(my_tally),my_tally)), Frank1 <- {mat <- matrix(0, nrow=length(my_tally), ncol=length(levels(my_tally))) mat[cbind(1:length(my_tally), as.numeric(my_tally))] <- 1 colSums(mat)}, Frank2 <- colSums(sparseMatrix(i=1:length(my_tally), j=as.numeric(my_tally), dims=c(length(my_tally), length(levels(my_tally))))), Khashaa <- colSums(diag(length(my_labels))[my_tally, ]) ) lq mean median uq max neval cldRobert 444.625026 486.130804 461.653480 548.755603 632.1418 100 dFrank1 328.947431 358.538855 337.136012 360.727606 458.2305 100 c Frank2 4.241506 8.997434 4.354615 4.519896 135.3001 100 a Khashaa 224.675094 256.337639 237.905714 260.163725 375.5642 100 b