R:循环检查所有应用响应以创建虚拟指标

Question

我有一个我想处理的调查中的“勾选所有适用项”项目。这
数据来自一个字符串变量，其中受访者所做的每个选择都是
编码成相同的变量。受访者可以从 21 个列表中选择
选项，所有适用于他们的选项。我想制作一套 21 个假人
表明是/否的变量是否受访者选择了特定的
选项。

三个示例响应是:

id  x 
1   3, 13
2   1, 3, 8, 9, 11, 13
3   1, 9
...

我想要的是:

id  x                   x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13   
1   3, 13                0  0  1  0  0  0  0  0  0   0   0   0   1 
2   1, 3, 8, 9, 11, 13   1  0  1  0  0  0  0  1  1   0   1   0   1
3   1, 9                 1  0  0  0  0  0  0  0  1   0   0   0   0
...

在我尝试这样做时，我读取了一个 id 变量和响应变量
进入列表 jp这样每个受访者在 jp[[1]] 中都有一个 ID和他/她
回复 jp[[2]] :

> jp[[2]][1:3]
[1] "3, 13                                                                     "
[2] "1, 3, 8, 9, 11, 13                                                        "
[3] "1, 9                                                                      "

然后我通过 strsplit 清理了它们在逗号上并将其放入 jp[[4]] :

> jp[[4]][1:3]
[[1]]
[1] "3"  "13"

[[2]]
[1] "1"  "3"  "8"  "9"  "11" "13"

[[3]]
[1] "1" "9"

我在所有列表元素中找到了唯一值:

> taught <- as.character(sort(as.numeric(unique(unlist(jp[[4]])))))
> taught
 [1] "1"   "2"   "3"   "4"   "5"   "6"   "7"   "8"   "9"   "10"  "11"  "12"  "13"  "14"  "15"  "16"  "17"  "18"  "19"  "20"  "256"

通过一些试验和错误，我发现我可以处理每个
受访者的选择如下:

sapply(jp[[4]], function(x) any(x == "1"))

这似乎工作正常:

> table(sapply(jp[[4]], function(x) any(x == "1")))

FALSE  TRUE 
 9404  1891 

这是我期望的普及率。

但是，因为每个受访者可以有 0-21 个响应(子列表
元素)，我想我需要遍历每个独特的响应
受访者的子列表，将结果写入新的列表元素。

我希望采用列表元素 jp[[4]] ，清理后的响应是
并遍历“教”的每个元素以查看每个受访者中是否存在
子列表。

bla <- function(dt, lst) {
for (i in 1:length(lst)) {
            subs <- list()
            # apply function on each part, by row
            subs[[i]] <- sapply(dt, function(x) any(x == taught[i]))
    }  
    return(subs)
    }

bla(jp[[4]], taught)

不幸的是，它似乎只适用于最后一个(第 21 个或“256”)元素
在 'taught' 中，并且不会保存到我在函数中定义的列表 'subs' 中。

> table(bla(jp[[4]], taught)[21])

FALSE  TRUE 
10645   650 

> table(sapply(jp[[4]], function(x) any(x == "256")))

FALSE  TRUE 
10645   650 

欢迎提出建议。谢谢。

Answer 1

,作为数据集中的分隔符会带来问题。如果您将其替换为其他字符，例如 - ，那么它会更容易使用。假设您可以做到这一点，那么这应该可行。

tally<-function(df)
{
#create a data.frame with 23 columns, one for id, one for original x and 21 for responses   
response_table=data.frame(matrix(nrow=1,ncol=23))
names(response_table)=c("id","x",paste("x",1:21,sep=""))
response_table$id=df$id
response_table$x=df$x
response_table[,3:23]=0 
# Change the - to whatever separator you use
response_table[,as.numeric(unlist(str_split(df$x,'-')))+2]=1
return(response_table)
}



library(stringr)
test_data=data.frame(id=1:3,x=c("3-13","1-3-8-9-11-13","1-9"))

> test_data
  id             x
1  1          3-13
2  2 1-3-8-9-11-13
3  3           1-9
responses=ddply(test_data, .(id), tally)



> responses
  id             x x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 x20 x21
1  1          3-13  0  0  1  0  0  0  0  0  0   0   0   0   1   0   0   0   0   0   0   0   0
2  2 1-3-8-9-11-13  1  0  1  0  0  0  0  1  1   0   1   0   1   0   0   0   0   0   0   0   0
3  3           1-9  1  0  0  0  0  0  0  0  1   0   0   0   0   0   0   0   0   0   0   0   0