Создать фиктивные переменные из всех категориальных переменных в кадре данных

Question

Мне нужно одно кодирование всех категориальных столбцов в кадре данных.Я нашел что-то вроде этого:

one_hot <- function(df, key) {
  key_col <- dplyr::select_var(names(df), !! rlang::enquo(key))
  df <- df %>% mutate(.value = 1, .id = seq(n()))
  df <- df %>% tidyr::spread_(key_col, ".value", fill = 0, sep = "_") %>% 
  select(-.id)
}

, но я не могу понять, как применить его для всех категориальных столбцов.

keys <- select_if(data, is.character)[-c(1:2)]
tmp <- map(keys, function(names) reduce(data, ~one_hot(.x, keys)))

выдает следующую ошибку

Ошибка: var должен содержать одно число или имя столбца, а не список

upd:

customers <- data.frame(
  id=c(10, 20, 30, 40, 50),
  gender=c('male', 'female', 'female', 'male', 'female'),
  mood=c('happy', 'sad', 'happy', 'sad','happy'),
  outcome=c(1, 1, 0, 0, 0))
customers

после кодирования

  id gender.female gender.male mood.happy mood.sad outcome
1 10             0           1          1        0       1
2 20             1           0          0        1       1
3 30             1           0          1        0       0
4 40             0           1          0        1       0
5 50             1           0          1        0       0

Answer 1

Также один вкладыш с fastDummies пакетом.

fastDummies::dummy_cols(customers)

  id gender  mood outcome gender_male gender_female mood_happy mood_sad
1 10   male happy       1           1             0          1        0
2 20 female   sad       1           0             1          0        1
3 30 female happy       0           0             1          1        0
4 40   male   sad       0           1             0          0        1
5 50 female happy       0           0             1          1        0

Answer 2

Вот подход с использованием пакета recipes.

library(dplyr)
library(recipes)

# Declares which variables are the predictors
recipe(formula = outcome ~ .,
       data = customers) %>% 
# Declare that one-hot encoding will be applied to all nominal variables
step_dummy(all_nominal(),
           one_hot = TRUE) %>% 
# Based on the previous declarations, apply transformations to the data
# and return the resulting data frame
prep() %>% 
juice()

Answer 3

Однострочник с mltools и data.table:

one_hot(as.data.table(customers))

   id gender_female gender_male mood_happy mood_sad outcome
1: 10             0           1          1        0       1
2: 20             1           0          0        1       1
3: 30             1           0          1        0       0
4: 40             0           1          0        1       0
5: 50             1           0          1        0       0

Он позволяет просматривать все факторные переменные и имеет некоторые приятные функции, встроенные в обработку NA и неиспользуемых факторных уровней.

Answer 4

Использование пакета dummies:

library(dummies)
dummy.data.frame(customers)

  id genderfemale gendermale moodhappy moodsad outcome
1 10            0          1         1       0       1
2 20            1          0         0       1       1
3 30            1          0         1       0       0
4 40            0          1         0       1       0
5 50            1          0         1       0       0