如何在 R 中创建稀疏矩阵答案

【问题标题】：How to create sparse Matrix in R如何在 R 中创建稀疏矩阵
【发布时间】：2018-09-20 08:03:51
【问题描述】：

我有一个数据框input，就像下面的格式：

 queryid  wifi rssi
1 0004920b wifi1   10
2 0004920b wifi2   20
3 1114920b wifi3   15
4 11000492 wifi1   -10

我想创建一个稀疏矩阵，使用这个input 数据框。例如：

queryid   wifi1  wifi2  wifi3
0004920b   10      20    .
1114920b    .       .    15
11000492   -10      .    .

【问题讨论】：

重塑 ....pivot 问题 ..
df %>% tidyr::spread(wifi, rssi)
@MartinSchmelzer：那不是稀疏矩阵。
从来没有这样说过。否则我会回答，而不是评论。
你去 ;)

标签： r sparse-matrix

【解决方案1】：

我最初认为这是 Create Sparse Matrix from a data frame 的副本，但遇到了与 sparseMatrices 的赋值索引必须是数字的要求相关的错误，而那些 queryid 和 wifi 列似乎是因素（或字符） .我将假设它们是因素，但用户应该检查。

library(Matrix)
(M <- with( dat, sparseMatrix(i= as.numeric(queryid), j=as.numeric(wifi),x=rssi)))
#------
3 x 3 sparse Matrix of class "dgCMatrix"

[1,]  10 20  .
[2,] -10  .  .
[3,]   .  . 15
dimnames(M) <- list( levels(dat$queryid), levels(dat$wifi) )
#-------
> M
3 x 3 sparse Matrix of class "dgCMatrix"
         wifi1 wifi2 wifi3
0004920b    10    20     .
11000492   -10     .     .
1114920b     .     .    15

如果这些是字符列，实际上会更难完成。考虑一下（但不是测试），我可能会在为字符列创建因子后使用此代码。

【讨论】：

感谢您的优雅代码！是的，当queryid和wifi的类型是字符时，会出现一些错误
这个答案对于因子变量是错误的！ as.numeric 返回因子变量的底层整数表示。这些整数不是按照它们在data.frame 中出现的顺序排列的。但是，unique 按照它们在 data.frame 中出现的顺序给出这些值。这就是为什么行 1114920b 和 11000492 与示例中的行相反。
我认为将unique 替换为levels 实际上会起作用。然而，factor 和 as.numeric 文档包含非常可怕但太长而无法发表评论的警告：factor as.numeric
@T.C Proctor：已修复。 levels 对因子名称进行重新排序，与 factor 相同，而 uniques 不会重新排序值，而是按照它们在序列中出现的任何顺序进行排序。因此，应该阅读警告的不是因素或 as.numeric 帮助页面，而是 ?unique 页面。
@42- as.numeric 中的这个警告让我感到害怕/困惑：“如果 x 是一个因素， as.numeric 将返回基础数字（整数）表示，这通常是毫无意义的它可能与因子水平不对应。”我的理解是，这段代码假定“基础数字表示”是项目在“因子水平”中给出的顺序——即两者对应。也许如果你从级别中删除一个因素，整数不会改变，所以没有对应关系？

【解决方案2】：

这是一个简短的版本：

library(tidyverse)
library(Matrix)
df %>% 
  spread(wifi, rssi, fill = 0) %>%
  column_to_rownames("queryid") %>%
  as.matrix(.) %>%
  Matrix(., sparse =T)

输出：

3 x 3 sparse Matrix of class "dgCMatrix"
         wifi1 wifi2 wifi3
0004920b    10    20     .
11000492   -10     .     .
1114920b     .     .    15

【讨论】：

这失去了直接创建稀疏矩阵的所有空间（和时间？）效率，因为它有一个中间密集矩阵。
你说得对。根据应用程序，它是可以忽略的 Id 说。