在 R 中寻找合适的包进行聚类分析答案

【问题标题】：Finding the right package in R for cluster analysis在 R 中寻找合适的包进行聚类分析
【发布时间】：2020-09-12 09:15:22
【问题描述】：

我试图在 R 中找到一个包，我可以在其中找到数据集中超过给定阈值的集群。

我想知道的是集群持续时间/大小以及每个集群的各个值。

例如（一个简单的）：

我有一个数据向量，

10 8 6 14 14 7 14 5 11 12 8 11 11 16 20 6 8 8 6 15

大于9的簇用粗体定义，

10 8 6 14 14 7 14 5 11 12 8 11 11 16 20 6 8 8 6 15

所以这里的簇大小按顺序是，

1、2、1、2、4、1

我想要 R 做的是在单独的有序向量中返回集群，例如

[1] 10
[2] 14 14
[3] 14
[4] 11 12
[5] 11 11 16 20
[6] 15

是否有这样的包或带有 if 语句的一段代码也会有所帮助。

干杯

【问题讨论】：

标签： r cluster-analysis

【解决方案1】：

data.table::rleid 函数可以很好地解决这个问题：

Filter(function(a) a[1] > 9, split(vec, data.table::rleid(vec > 9)))
# $`1`
# [1] 10
# $`3`
# [1] 14 14
# $`5`
# [1] 14
# $`7`
# [1] 11 12
# $`9`
# [1] 11 11 16 20
# $`11`
# [1] 15

如果您不想仅仅为此加载 data.table 包，那么来自 https://stackoverflow.com/a/33509966 的 base-R 方法：

myrleid <- function(x) {
  rl <- rle(x)$lengths
  rep(seq_along(rl), times = rl)
}
Filter(function(a) a[1] > 9, split(vec, myrleid(vec > 9)))

【讨论】：

非常感谢，这正是我想要的。