将最近邻的数据帧转换为 R tidyverse 中的 onehot 编码

Question

假设我们获取了

mtcars

数据并运行了 PCA。然后，我们想知道哪些品牌的汽车在 PC 空间中最相似，即最近的邻居。所以有人进行了最近邻分析，并记录下来。

然后，我得到的是一个如下所示的数据框，其中焦点汽车作为

car

列，第一个和第二个最近的邻居

n1

和

n2

列在它们自己的列中。

tibble(car = c("Honda", "Toyota", "Mazda", "Fiat", "Lotus"),
       nn1 = c("Toyota", "Honda", "Toyota", "Lotus", "Mazda"),
       nn2 = c("Mazda","Mazda", "Honda", "Honda", "Fiat"))
# A tibble: 5 × 3
  car    nn1    nn2  
  <chr>  <chr>  <chr>
1 Honda  Toyota Mazda
2 Toyota Honda  Mazda
3 Mazda  Toyota Honda
4 Fiat   Lotus  Honda
5 Lotus  Mazda  Fiat 

我想将其转换为 onehot 风格的数据框，其中 5 个焦点汽车品牌是行，列是可能的邻居，每个编码为 0 或 1，具体取决于它是否是最近的邻居之一焦点车。所以作为一个小标题，它看起来像这样：

# A tibble: 5 × 6
  cars   Honda Toyota Mazda  Fiat Lotus
  <chr>  <dbl>  <dbl> <dbl> <dbl> <dbl>
1 Honda      0      1     1     0     0
2 Toyota     1      0     1     0     0
3 Mazda      1      1     0     0     0
4 Fiat       1      0     0     0     1
5 Lotus      0      0     0     1     1

或者它可能是这样的数据框：

       Honda Toyota Mazda Fiat Lotus
Honda      0      1     1    0     0
Toyota     1      0     1    0     0
Mazda      1      1     0    0     0
Fiat       1      0     0    0     1
Lotus      0      0     0    1     1

我不知道从哪里开始。我希望这是有道理的。

Answer 1

与其说是一个单热编码矩阵，不如说是一个邻接矩阵。调用您的数据

df

:

library(tidyr)
library(dplyr)
df |>
  pivot_longer(-car) |>
  mutate(fill = 1) |>
  pivot_wider(id_cols = car, names_from = value, values_from = fill, values_fill = 0)
# # A tibble: 5 × 6
#   car    Toyota Mazda Honda Lotus  Fiat
#   <chr>   <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 Honda       1     1     0     0     0
# 2 Toyota      0     1     1     0     0
# 3 Mazda       1     0     1     0     0
# 4 Fiat        0     0     1     1     0
# 5 Lotus       0     1     0     0     1