在 R/R studio 中查看非特征索引

Question

我正在尝试根据属性对项目进行聚类（查找相似项目）。我最初有一个 CSV 格式：

项目 |属性1 |属性2.....大约200个属性

由于它是一组混合格式的属性（INT、String...），我决定将这些属性连接起来，现在我有了：

项目 |串联属性。

我的聚类代码是：

 uniqueItem <- unique(as.character(data$ConcatenatedAttributes))
    distanceMatrix <- stringdistmatrix(uniqueItem ,uniqueItem ,method = "jw")
    rownames(distanceMatrix ) <- uniqueItem 
    hc <- hclust(as.dist(distanceMatrix ))
    dfClust <- data.frame(uniqueItem , cutree(hc, k=200))

现在，我希望能够根据 ConcatenatedAttributes 字段的相似性查看哪些项目已聚集在一起。我该怎么做？

所以，类似：

集群编号 |项目 |

Answer 1

你想group_by你的数据框。

一个明显的方法是使用for 循环。大多数 R 爱好者会建议学习dplyr。

但是恕我直言，您将所有内容连接到一个无法管理的字段然后滥用字符串距离的想法只是可怕。