如果它们具有相同的开头，如何替换矩阵中的值？答案

【问题标题】：how to replace values in matrix if they have the same beginning?如果它们具有相同的开头，如何替换矩阵中的值？
【发布时间】：2018-10-30 06:30:26
【问题描述】：

我有一个很大的杂货矩阵。有些值是相同的，但名称不同。例如：

Ketchup  Ketchupwithgarlic  Ketchupspicy Chips Chipsorganic
0               1               0         0      1
1               0               0         0      0
0               0               0         1      0
1               0               0         0      0

如果一个名称以完全相同的名称开头，我想做的是将这两个向量组合成一个向量，因此输出如下所示：

Ketchup Chips
1        1
1        0
0        1
1        0

我该怎么办？

【问题讨论】：

这是data.frame还是矩阵？请使用dput 提供一个稍大的示例。也许有两个或三个列类别。
如果有三列呢？你想把这三个结合起来吗？结合你的意思是sum 对吗？
它是一个推荐系统的矩阵。我想减小矩阵的大小，因为某些产品可以轻松更换。我希望它们成为一种产品，而不是三种不同的产品

标签： r matrix

【解决方案1】：

我相信这可以满足您的需求。至少对于您提供的数据集是这样。而且它不依赖于硬编码的列名。

使用@MKR 答案中的代码读取的数据：

nms <- names(df)
inx <- which(sapply(seq_along(nms), function(i) any(grepl(paste0("^", nms[i]), nms[-i]))))
result <- sapply(inx, function(i) rowSums(df[, grep(nms[i], nms)]))
colnames(result) <- nms[inx]
result
#     Ketchup Chips
#[1,]       1     1
#[2,]       1     0
#[3,]       0     1
#[4,]       1     0

【讨论】：

【解决方案2】：

将矩阵转换为data.frame 后，可以访问使用dplyr::coalesce 的选项。此外，值为0 的单元格应更改为NA 以应用coalesce。

library(dplyr)
# First change matrix to data.frame. The same data is created in data.frame 
# so this step can be skipped
df <- as.data.frame(df)

# Replace 0 with NA
df[df==0] <- NA

选项#1：如果列名较少且已知，则一次接近

bind_cols(Chips = coalesce(!!!select(df, starts_with("Chips"))), 
          Ketchup = coalesce(!!!select(df, starts_with("Ketchup"))) )
# # A tibble: 4 x 2
#   Chips Ketchup
#   <int>   <int>
# 1     1       1
# 2    NA       1
# 3     1      NA
# 4    NA       1

选项#2：通用方法可以写成：

overlapName <- names(df)[mapply(function(x)sum(str_detect(names(df),x)), names(df)) >1]
library(stringr)

mapply(function(x)coalesce(!!!select(df, starts_with(x))), overlapName)
#      Ketchup Chips
# [1,]       1     1
# [2,]       1    NA
# [3,]      NA     1
# [4,]       1    NA

数据：

df <- read.table(text = 
"Ketchup  Ketchupwithgarlic  Ketchupspicy Chips Chipsorganic
0               1               0         0      1
1               0               0         0      0
0               0               0         1      0
1               0               0         0      0",
header = TRUE, stringsAsFactors = FALSE)

【讨论】：

谢谢！但是，如果我想对矩阵中的所有产品都这样做怎么办。例如：苹果和苹果绿、冰淇淋和冰淇淋巧克力
@nurma_a 我提供了一个选项，以便可以为一组完成。现在我们需要扩大它以覆盖所有列。
@RonakShah 我同意你的看法。我们必须找到一种方法来找到在其他列中重复的常见唯一名称。
@RonakShah 我已经更新了我的答案，以包含一种检测重叠列并将其用作输入的通用方法。

【解决方案3】：

这是另一种基本的 R 替代方案。我认为 Rui Barrades 的答案可能更好，但了解多种方法可能会有所帮助。

# save column names
cnms <- colnames(myMat)
# build a matrix that groups on column names using col and grepl
grps <- col(diag(length(cnms))) * sapply(cnms[order(cnms)], grepl, x=cnms)
# run through the groups and perform rowSums to collapse groups into one column
sapply(split(seq_len(ncol(myMat)), 
             colnames(grps)[apply(grps, 1, FUN=function(x) min(x[x != 0]))]),
       function(y) rowSums(myMat[, y]))

     Chips Ketchup
[1,]     1       1
[2,]     0       1
[3,]     1       0
[4,]     0       1

数据

myMat <-
structure(c(0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 1L, 0L, 1L, 0L, 0L, 0L), .Dim = 4:5, .Dimnames = list(NULL, 
    c("Ketchup", "Ketchupwithgarlic", "Ketchupspicy", "Chips", 
    "Chipsorganic")))

【讨论】：