r - One-hot 编码文本字符串

Question

我有一个包含混合字符串的列，我创建了列来表示字符串中的每个唯一字符。我需要用 [1,0] 对列进行编码如果字符串中的任何字符与这些列之一匹配。

library(data.table)
d = data.table(string = c("P_P_F_", "U_F_/", "-_P_B"),
               P = c(1,  0, 1),
               F = c(1, 1, 0),
               U = c(0, 1, 0),
               B = c(0, 0, 1))

在上面的例子中 string有我需要与相应列匹配的字符。第一个字符串有 P和 F所以我有一个 1在那些列和 0在其余的。
字符串中的字符始终由下划线分隔，最大长度为 7。
数据集非常大，所以我更喜欢 data.table 解决方案是可能的。

Answer 1

我们可以使用 mtabulate分割字符串后

library(qdapTools)
cbind(d, mtabulate(strsplit(d$string, "[_/-]")))

数据

d <- data.table(string = c("P_P_F_", "U_F_/", "-_P_B"))