基于其他参数的数组中的权重参数

Question

我在 CSV 中有这个表/数组：

GroupID Channel Daysbeforelast
1           A   35
1           B   31
1           C   29
1           D   17
1           E   15
1           D   5
1           C   0
2           B   66
2           E   17
2           D   15
2           A   2
2           C   0
2           F   0
2           A   0
4           B   15
4           C   0

并尝试再添加一列Weight，以便表格如下所示：

GroupID Channel Daysbeforelast      Weight  How it is calculated
1           A           35          0.00005         (1-x/2/2-x/2-x)/2
1           B           31          0.00005         (1-x/2/2-x/2-x)/2
1           C           29          0.0833          (x/2/2)/3
1           D           17          0.0833          (x/2/2)/3
1           E           15          0.0833          (x/2/2)/3
1           D           5           0.25            (x/2)
1           C           0           0.5             (x)
2           B           66          0.125           (1-x/2/2-x/2-x)
2           E           17          0.0625          (x/2/2)/2
2           D           15          0.0625          (x/2/2)/2
2           A           2           0.25            (x/2)
2           C           0           0.25            (x)/3
2           F           0           0.25            (x)/3
2           A           0           0.5             (x)/3
4           B           15          0.5             (1-x)
4           C           0           0.5             (x)

下面解释：

每个组可以有一个或多个子组，具体取决于数据：

如果Daysbeforelast=0 则为 Subgroup1；

如果0<Daysbeforelast<=7 则子组2；

如果7<Daysbeforelast<=14 则为 Subgroup3；

如果14<Daysbeforelast<=30 则为 Subgroup4；

其他子组 5。

第一个子组有 weight = x（例如 x=0.5）。此weight 均匀分布在组中子组的所有行中。假设 Y 组在 SubgroupZ 中有 3 行。在这种情况下，每一行都有weight equal (SubgroupZ weight)/3。

Subgroup2 有 weight = x/2，它以相同的方式分布在该子组中的所有行中。

直到最后一个子组的每个子组都将收到等于前一个子组的weight 除以 2 的weight。

组中的最后一个子组（并不总是第 5 个子组）将收到组中所有先前权重的weight = 1 - sum。

这是为了检查每个组的权重之和是否等于 1。

请注意，如果我们在 Subgroup2 中没有任何行，那么 Subgroup3 将收到 weight x/2（不是 x/2/2）。

我们有所有组的 Subgroup1，但所有或任何其他子组都可能丢失。

最简单的方法可能是使用变量 lapply 但我对它很陌生，因为我对 R 很陌生。

Answer 1

解决方案如下：对于每个组，使用cut 标识子组，并使用droplevels 删除缺席子组。将权重分配为(x/2^n)/freq。然后确定最小权重并调整它们，使组中的权重总和为 1。

dat <- read.table("clipboard", header = T)
groupIDs <- unique(dat$GroupID)
x = 0.5
for (i in groupIDs)
{
  rows = which(dat$GroupID == i)
  Subgroups <- cut(dat[rows,3], c(-Inf,0,7,14,30,Inf), labels = 1:5)
  a<-droplevels(Subgroups)
  wts <- sapply(a,function(y)(x/(2^(as.numeric(y)-1)))/(table(a)[which(levels(a) == y)]))

  ind <- wts==min(wts)
  wts[ind] <- (1-sum(wts[!ind]))/sum(ind)
  dat[rows,4] <- wts    
}
names(dat)[4] <- "Weight"