---
title: 独热编码--哑变量
date: '2018-08-31'
categories: r
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(message = F,warning = F,comment = "#>",collapse = TRUE)
```
## 独热编码--哑变量
独热编码： n种状态 转变为n列
哑变量： n种状态转变为n-1列（目的：为了防止共线性的问题）
quarto-executable-code-5450563D
```r
testFrame <- data.frame(First=sample(1:10, 20, replace=TRUE),
Second=sample(1:20, 20, replace=TRUE),
Third=sample(1:10, 20, replace=TRUE),
Fourth=factor(rep(c("=A", "=B", "=C", "=D"),5)),
Fifth=ordered(rep(c("=E", "=F", "=G","=H", "=I"), 4)),
Sixth=rep(c("=a", "=b"), 10),
Seventh=factor(c(rep(c("=J","=K","=L"),6),"=J","=K")) ,
stringsAsFactors=F)
head(testFrame)
str(testFrame)
```
### 独热编码1
quarto-executable-code-5450563D
```r
###########################################################################
#### 以下涉及公式的地方，
#### 公式右边,-1代表不要截距项同时生成独热编码（只在一个因子变量的情况下）
#### 公式左边为要排除的变量
###########################################################################
###### 独热编码1
library(data.table)
library(magrittr)
iris_dt = data.table(iris)
library(mltools)## 此编码必须依赖data.table
one_hot(iris_dt)%>% head()
```
### 独热编码2
quarto-executable-code-5450563D
```r
###### 独热编码2
library(onehot) #先编码后预测输出独热编码
encoder <- onehot(iris)
x <- predict(encoder, iris)
x %>% head()
## 类似的还有 caret::dummyVars函数
library(caret)
dummy <- dummyVars(~ ., data = iris, fullRank = TRUE)
predict(dummy,iris) %>% head()
dummy <- dummyVars(~.-1, data = iris, fullRank = TRUE)
predict(dummy,iris) %>% head()
```
### 独热编码3
quarto-executable-code-5450563D
```r
###### 独热编码3
model.matrix(~.-1,iris) %>% head()
#### 类似Matrix包，只不过这个包用的是系数矩阵，这个包对大数据的时候特别友好
library(Matrix)
sparse.model.matrix(~.-1, data = iris)%>% head()
```
### 独热编码4
quarto-executable-code-5450563D
```r
###### 独热编码4
library(qdapTools)
#只适用于factor向量，不能用数据框，必须是一列，生成的列名为因子水平
mtabulate(iris$Species) %>% head()
# 同理,下面这个也只能适用于只含有因子的向量（不能用于数据框），生成的列名为因子水平
library(nnet)
class.ind(iris$Species) %>% head()
```
### 独热编码5
quarto-executable-code-5450563D
```r
###### 独热编码5
## 只能用于因子的数据框，不能包含向量or数字列
library(ade4)
acm.disjonctif(iris[,5,drop=F]) %>% head()
```
### 独热编码6
- 好像没有这个`dummies`包了
```{r,eval=FALSE}
###### 独热编码 6 ************
library(dummies)
# 全部转换，指定列, 设置all=F 只显示被转换的因子变量
alldata <- dummy.data.frame(iris, names=c("Species"), sep="_",all=T)
alldata %>% head()
#把所有factor类型都转变为独热编码
dummy.data.frame(iris, dummy.class="factor") %>% head()
dummy.data.frame(testFrame, dummy.class="factor") %>% head()
```
### 独热编码7
quarto-executable-code-5450563D
```r
###### 独热编码7
library(useful)
build.x(~.,iris)%>% head()
build.x(~.-1,iris)%>% head()
build.y(Species~.,data = iris) # 直接把公式左边的保留即可，不做任何修改
```
### 独热编码8
quarto-executable-code-5450563D
```r
###### 独热编码8
head(model.matrix(First~ Second + Fourth + Fifth, testFrame))
head(model.matrix(First~ .-1, testFrame))
head(model.matrix(First~ ., testFrame))
```
### 独热编码 转变为原始变量 （即逆运算）
quarto-executable-code-5450563D
```r
##独热编码 转变为原始变量 （即逆运算）
d = model.matrix(~Species-1 ,iris)
d =data.frame(d)
ifelse(rowSums(d)>=1,names(d)[max.col(d)],NA)
```
quarto-executable-code-5450563D
```r
sessionInfo()
```