假设您没有将数据导入R中，我们可以使用read.table将数据作为单列读取（选择一个随机的sep符号，您确定不会出现在数据中）。
然后将id和ICD_Codes分成两列，并使用fastDummies::dummy_cols()创建虚拟变量。最后rename删除列前缀以适合您想要的输出。

library(dplyr)
library(tidyr)
library(fastDummies)

df <- read.table(text = "id; ICD_Codes
1; F10.10; F11.21; F31.81
2; G89.29; M54.5; F31.4; F11.21; F17.200; F43.10; Z72.0
3; F14.10; F17.200; F31.81; F31.32; F10.21", sep = "@", header = T)

df %>% 
  separate_wider_delim("id..ICD_Codes", names = c("id", "ICD_Codes"), delim = "; ", too_many = "merge") %>% 
  dummy_cols("ICD_Codes", remove_selected_columns = T, split = ";") %>% 
  rename_with(~sub("ICD_Codes_", "", .x))

# A tibble: 3 × 13
  id    F10.10 F11.21 F31.81 F14.10 F17.200 F31.32 F10.21 G89.29 M54.5 F31.4 F43.10 Z72.0
  <chr>  <int>  <int>  <int>  <int>   <int>  <int>  <int>  <int> <int> <int>  <int> <int>
1 1          1      1      1      0       0      0      0      0     0     0      0     0
2 2          0      1      0      0       1      0      0      1     1     1      1     1
3 3          0      0      1      1       1      1      1      0     0     0      0     0

不使用额外的包，您可以使用readLines和strsplit。然后使用outer进行交叉grepl。

read <- readLines(textConnection('id; ICD_Codes
1; F10.10; F11.21; F31.81
2; G89.29; M54.5; F31.4; F11.21; F17.200; F43.10; Z72.0
3; F14.10; F17.200; F31.81; F31.32; F10.21'))

read <- lapply(read, \(x) el(strsplit(x, split=';\\s*')))
icd <- sort(unique(unlist(lapply(read[-1], \(x) x[-1]))))
o <- t(outer(icd, read[-1], Vectorize(\(sprintf('^%s$', x), y) any(grepl(x, y)))))
data.frame(id=sapply(read[-1], `[`, 1), `colnames<-`(+o, icd))
#   id F10.10 F10.21 F11.21 F14.10 F17.200 F31.32 F31.4 F31.81 F43.10 G89.29 M54.5 Z72.0
# 1  1      1      0      1      0       0      0     0      1      0      0     0     0
# 2  2      0      0      1      0       1      0     1      0      1      1     1     1
# 3  3      0      1      0      1       1      1     0      1      0      0     0     0

• 注意：* 对于您的真实的数据，您可能需要使用readLines(<path>)。

有证据表明它比tidyverse解决方案快得多：

# Unit: microseconds
#     expr       min         lq      mean    median        uq       max neval cld
#   jay.sf   965.285   994.9295  1264.239  1089.907  1124.969  16915.81   100  a 
# benson23 17309.835 17533.8145 20036.727 17822.965 18763.764 159236.18   100   b

使用mtabulate即可

library(qdapTools)
cbind(id = sub(";.*", "", df[[1]]),
   mtabulate(strsplit(sub("^\\d+;\\s+", "", df[[1]]), ";\\s*")))

• 输出

id F10.10 F10.21 F11.21 F14.10 F17.200 F31.32 F31.4 F31.81 F43.10 G89.29 M54.5 Z72.0
1  1      1      0      1      0       0      0     0      1      0      0     0     0
2  2      0      0      1      0       1      0     1      0      1      1     1     1
3  3      0      1      0      1       1      1     0      1      0      0     0     0