通过数据框在 R 中自动执行多项计算

Question

我有一系列向量，每个向量都被命名为股票，例如 Facebook Inc. 的 FB。所以我在数据帧中有超过 70 个向量系列，例如 GEEK、IPAS、JCON 等。 对于每对股票，例如 GEEK 和 JCON，我必须计算一个度量，称为互信息。我已经编写了一些代码来找到一对股票的衡量标准，就是这样。

找到entropyz（X，Y的熵，说GEEK和JCON的二元熵返回）

denz<-kde2d(x,y, n=512, lims=c(xlim,ylim))
z<-denz$z
cell_sizez<-(diff(xlim)/512) * (diff(ylim)/512)
normz<-sum(z)*cell_sizez
integrandz<-z*log(z)
entropyz<-sum(integrandz)*cell_sizez
entropyz<-entropyz/normz

要找到entropyx（X 的熵，比如说 GEEK 返回）

denx<-kde(x=x,gridsize = 512, xmin=xlim[1], xmax = xlim[2])
zx<-denx$estimate
cell_sizex<-(diff(xlim)/512) 
normx<-sum(zx)*cell_sizex
integrandx<-zx*log(zx)
entropyx<-sum(integrandx)*cell_sizex
entropyx<-entropyx/normx

要找到entropyy（Y 的熵，比如 JCON 返回）

deny<-kde(x=y,gridsize = 512, xmin=ylim[1], xmax = ylim[2])
zy<-deny$estimate
cell_sizey<-(diff(ylim)/512) 
normy<-sum(zy)*cell_sizey
integrandy<-zy*log(zy)
entropyy<-sum(integrandy)*cell_sizey
entropyy<-entropyy/normy

最后求出GEEK和JCON

的互信息

MI <- entropyx+entropyy-entropyz

所以，我找到了 X 和 Y（上面的两只股票）的互信息。但我必须为超过 70 个股票（向量）计算这个度量，其中 70 * 69 / 2 次迭代 = 2415；就像做一个相关矩阵，因为它是两两比较。 问题是是否有人知道一种方法可以让 R 在我的数据集中找到所有对 (x,y) 的互信息。因此，换句话说，为数据帧上的每一对迭代此代码，从而创建一个成对矩阵。

非常感谢！

Answer 1

如果您创建一个函数MI，它接收您的两个数据向量并返回值，您可以使用类似以下的方法来生成一个对称方阵，其中包含结果。如果我们假设您的数据在数据中框架df我们可以做

MI = function(x,y,xlim,ylim){
  denz<-kde2d(x,y, n=512, lims=c(xlim,ylim))
  z<-denz$z
  cell_sizez<-(diff(xlim)/512) * (diff(ylim)/512)
  normz<-sum(z)*cell_sizez
  integrandz<-z*log(z)
  entropyz<-sum(integrandz)*cell_sizez
  entropyz<-entropyz/normz

  denx<-kde(x=x,gridsize = 512, xmin=xlim[1], xmax = xlim[2])
  zx<-denx$estimate
  cell_sizex<-(diff(xlim)/512) 
  normx<-sum(zx)*cell_sizex
  integrandx<-zx*log(zx)
  entropyx<-sum(integrandx)*cell_sizex
  entropyx<-entropyx/normx

  deny<-kde(x=y,gridsize = 512, xmin=ylim[1], xmax = ylim[2])
  zy<-deny$estimate
  cell_sizey<-(diff(ylim)/512) 
  normy<-sum(zy)*cell_sizey
  integrandy<-zy*log(zy)
  entropyy<-sum(integrandy)*cell_sizey
  entropyy<-entropyy/normy

  return(entropyx+entropyy-entropyz)
}
df = data.frame(1:10,1:10,1:10,1:10,1:10)
matrix(
  apply(
    expand.grid(
      seq_along(df),seq_along(df)),1,
    FUN = function(i,j) MI(df[,i],df[,j],xlim,ylim)
    ),
  nrow = ncol(df)
)

这是因为expand.grid 为您提供了 n^2 x 2 数据框中的所有列索引组合。然后，我们将MI 函数应用于其中的每一个，并将结果存储在一个矩阵中。

编辑： 编辑更清楚