如何仅获取变量的唯一组合，其中条目可以在任一变量中

Question

鉴于我们有

j<-c("a","b","c","d")  
l<-expand.grid(j,j)

print(l)

Var1 Var2
1     a    a
2     b    a
3     c    a
4     d    a
5     a    b
6     b    b
7     c    b
8     d    b
9     a    c
10    b    c
11    c    c
12    d    c
13    a    d
14    b    d
15    c    d
16    d    d

我只想返回唯一的条目，例如：

print(newl)
Var1 Var2
a    a
a    b
a    c
a    d
b    b
b    c
b    d
c    c
c    d
d    d

我找到了很多答案，其中变量的独特组合，但变量不跨列。

这一切都来自于执行 corr.test {psych} 并使用 as.vector(corr.test$r) 将 corr.test$r 展开为单个向量。

为了获得这些基于我使用的相关性

names<-expand.grid(rownames(corr.test$r),colnames(corr.test$r))

最终与 as.vector 中“展开”的 r 矩阵的结构一致。

但它返回整个矩阵（上下三角形）。因此，我正在寻找一种仅采用唯一相关性（data.frame 的一半）的方法。

Answer 1

combn 函数将为您提供向量中元素的所有n-组合，但它与元素本身不匹配。您可以相当轻松地添加该结果，因此您可以获得所需的组合

cbind(combn(j,2), rbind(j,j))

#   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
# j "a"  "a"  "a"  "b"  "b"  "c"  "a"  "b"  "c"  "d"  
# j "b"  "c"  "d"  "c"  "d"  "d"  "a"  "b"  "c"  "d"  

Answer 2

您可以重塑数据以避免这种情况

library(psych)
library(reshape2)

# example data
dat <- mtcars[1:4]

# For all correlations
melt(corr.test(dat)$r)

# For unique correlations
out <- corr.test(dat)$r
out[upper.tri(out)] <- NA    

melt(out, na.rm=TRUE)

   Var1 Var2      value
#  1   mpg  mpg  1.0000000
#  2   cyl  mpg -0.8521620
#  3  disp  mpg -0.8475514
#  4    hp  mpg -0.7761684
#  6   cyl  cyl  1.0000000
#  7  disp  cyl  0.9020329
#  8    hp  cyl  0.8324475
#  11 disp disp  1.0000000
#  12   hp disp  0.7909486
#  16   hp   hp  1.0000000

Answer 3

您可以做的一件事是将答案放入一个数组中，使用 Var1 作为键，Var2 作为值，然后如果该对在临时数组中不存在，则将这些对添加到一个临时数组中。

Answer 4

感谢您的回答。

我最终拍了一张照片，这是我想出的：

j<-c("a","b","c","d")  
l<-expand.grid(j,j)


twist<-function(l){
l<-subset(l,l[,1]!=l[,2])
leng<-length(l[,1])/2
for (i in 1:leng) {
    g1<-l[,1]
    g2<-l[,2]
    g1[i]<-l[i,2]
    g2[i]<-l[i,1]
    l[,1]<-g1
    l[,2]<-g2
l<-unique(l[c("Var1", "Var2")])

}
return(l)
}
k<-twist(l)

print(k)

   Var1 Var2
2     a    b
3     a    c
4     a    d
7     b    c
8     b    d
12    c    d

出于非常明显的原因，我将其称为“扭曲”。欢迎批评。