假设您的数据框具有大量列(1000个因子，每个因子有15个级别)。您想创建一个虚拟变量数据集，但是由于它太稀疏了，因此您希望使假人保持稀疏矩阵格式。
我的数据集很大，步骤越少，对我来说越好。我知道如何执行上述步骤；但我无法直接从初始数据集中创建稀疏矩阵，即只用一个步骤而不是两个步骤。有任何想法吗？
编辑:一些评论要求进一步的阐述，所以它去了:
其中X是我的原始数据集，具有1000列和50000条记录，每列有15个级别，
步骤1:使用类似的代码从原始数据集中创建伪变量；
# Creating dummy data set with empty values
dummified <- matrix(NA,nrow(X),15*ncol(X))
# Adding values to this data set for each column and each level within columns
for (i in 1:ncol(X)){colFactr <- factor(X[,i],exclude=NULL)
for (j in 1:l){
lvl <- levels(colFactr)[j]
indx <- ((i-1)*l)+j
dummified[,indx] <- ifelse(colFactr==lvl,1,0)
}
}
步骤2:使用类似的代码将巨大的矩阵转换为稀疏矩阵；
sparse.dummified <- sparseMatrix(dummified)
但是这种方法仍然创建了这个临时的大矩阵，这需要大量的时间和内存，因此我要问直接的方法论(如果有的话)。
最佳答案
感谢您澄清了您的问题，请尝试此操作。
这是带有两列的样本数据，这两列分别具有三个和两个级别:
set.seed(123)
n <- 6
df <- data.frame(x = sample(c("A", "B", "C"), n, TRUE),
y = sample(c("D", "E"), n, TRUE))
# x y
# 1 A E
# 2 C E
# 3 B E
# 4 C D
# 5 C E
# 6 A D
library(Matrix)
spm <- lapply(df, function(j)sparseMatrix(i = seq_along(j),
j = as.integer(j), x = 1))
do.call(cBind, spm)
# 6 x 5 sparse Matrix of class "dgCMatrix"
#
# [1,] 1 . . . 1
# [2,] . . 1 . 1
# [3,] . 1 . . 1
# [4,] . . 1 1 .
# [5,] . . 1 . 1
# [6,] 1 . . 1 .
编辑:@ user20650指出
do.call(cBind, ...)缓慢或出现大数据失败。因此，这是一种更复杂但又更快又有效的方法:n <- nrow(df)
nlevels <- sapply(df, nlevels)
i <- rep(seq_len(n), ncol(df))
j <- unlist(lapply(df, as.integer)) +
rep(cumsum(c(0, head(nlevels, -1))), each = n)
x <- 1
sparseMatrix(i = i, j = j, x = x)
关于r - 在R的稀疏矩阵中直接创建伪变量集，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/23035982/