如何创建每行库存的二进制矩阵？ (右)答案

【问题标题】：How to create a binary matrix of inventory per row? (R)如何创建每行库存的二进制矩阵？ (右)
【发布时间】：2012-02-17 09:29:21
【问题描述】：

我有一个包含 9 列的数据框，其中包含一系列因素。每行可以填充所有 9 列（因为该行包含 9 个“东西”），但大多数没有（大多数在 3-4 之间）。列也不是特定的，就像项目 200 显示在第 1 列和第 3 列中一样，它是同一件事。我想为包含所有因素的每一行创建一个二进制矩阵。

Ex（缩短为 4 列只是为了说明问题）

R1 3  4   5   8
R2 4  6   7   NA
R3 1  5  NA   NA
R4 2  6   8   9

应该变成

     1  2  3  4  5  6  7  8  9 
r1   0  0  1  1  1  0  0  1  0
r2   0  0  0  1  0  1  1  0  0
r3   1  0  0  0  1  0  0  0  0
r4   0  1  0  0  0  1  0  1  1

我研究了 writeBin/readBin、K-clustering（这是我想做的事情，但我需要先摆脱 NA）、模糊聚类、标签聚类。只是有点迷失方向。

我尝试编写两个 for 循环，按列/行从矩阵中提取数据，然后将 0 和 1 分别保存在新矩阵中，但我认为存在范围问题。

你们是最棒的。谢谢！

【问题讨论】：

标签： r sparse-matrix cluster-analysis

【解决方案1】：

这些都是很好的答案。我想我会贡献我写的原始解决方案，我的一个朋友修改后可以实际工作。

for(i in seq(nrow(x)))
  for(j in seq(ncol(x)))
  if(!is.na(x[i,j])) { y[i, x[i,j]] = 1 }

设置一些较早的参数后，两个 for 循环可以工作，但速度非常慢。看起来这些其他解决方案的工作速度要快得多！

【讨论】：

【解决方案2】：

这是一个基本的 R 解决方案：

# Read in the data, and convert to matrix form
df <- read.table(text = "
3  4   5   8
4  6   7   NA
1  5  NA   NA
2  6   8   9", header = FALSE)
m <- as.matrix(df)

# Create a two column matrix containing row/column indices of cells to be filled 
# with 'one's
id <- cbind(rowid = as.vector(t(row(m))), 
            colid = as.vector(t(m)))
id <- id[complete.cases(id), ]

# Create output matrix
out <-  matrix(0, nrow = nrow(m), ncol = max(m, na.rm = TRUE))
out[id] <- 1
#      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
# [1,]    0    0    1    1    1    0    0    1    0
# [2,]    0    0    0    1    0    1    1    0    0
# [3,]    1    0    0    0    1    0    0    0    0
# [4,]    0    1    0    0    0    1    0    1    1

【讨论】：

乔希，这令人印象深刻。这有什么术语吗？我在想库存矩阵、项目矩阵或二元矩阵，但这些似乎都与其他想法有关。
谢谢。我有点认为结果是存在/不存在矩阵的指示矩阵（在indicator function之后）（因为它编码每个项目在给定行中是否存在或不存在） .不过，不确定它是否有公认的通用名称。
这应该是“指标矩阵......或存在/不存在矩阵”（不是“OF”）。编辑评论本身为时已晚。

【解决方案3】：

这应该可以解决问题：

# The Incantation
options(stringsAsFactors = FALSE)

library(reshape2)

# Your example data
dat <- data.frame(id = c("R1", "R2", "R3", "R4"),
                  col1 = c(3, 4, 1, 2),
                  col2 = c(4, 6, 5, 6),
                  col3 = c(5, 7, NA, 7),
                  col4 = c(8, NA, NA, 9)
)

# Melt it down
dat.melt <- melt(dat, id.var = "id")

# Cast it back out, with the row IDs remaining the row IDs
# and the values of the columns becoming the columns themselves.
# dcast() will default to length to aggregate records - which means
# that the values in this data.frame are a count of how many times
# each value occurs in each row's columns (which, based on this data,
# seems to be capped at just once).
dat.cast <- dcast(dat.melt, id ~ value)

结果：

dat.cast
  id 1 2 3 4 5 6 7 8 9 NA
1 R1 0 0 1 1 1 0 0 1 0  0
2 R2 0 0 0 1 0 1 1 0 0  1
3 R3 1 0 0 0 1 0 0 0 0  2
4 R4 0 1 0 0 0 1 1 0 1  0

【讨论】：