【问题标题】:R, dplyr: build sets with one non-zero element per columnR,dplyr:构建每列一个非零元素的集合
【发布时间】:2019-04-09 04:09:20
【问题描述】:

我有一个包含数千行和几十列的值的数据框。对于给定的行R_0,我想迭代地找到一个互补行,将其添加到一个集合中,然后找到一个与集合中每个元素互补的行。互补行定义为:

  1. 如果给定行的列具有非零值,则该列的补码必须具有零值

最终结果应该是一组 SKU,它们的组合应该产生尽可能少的零值列。

为了说明,这里是一个玩具数据框(代码在底部):

  sku   p1_prop   p2_prop   p3_prop   p4_prop   p5_prop         rowTally
1   1   0         0         0         0.1634774 0                1
2   2   0.1617101 0.1700415 0         0         0                2
3   3   0         0         0         0         0.1385715        1
4   4   0         0         0.1785431 0         0.1399401        2
5   5   0.1682469 0         0         0         0                1
  totalDollarSales totalUnitSales dollarsPerRobot
1        386175.48       482131.9      0.80097474
2         13488.99       599605.9      0.02249643
3        382449.72       493592.0      0.77482973
4        869703.88       186299.0      4.66832335
5        340414.96       827390.6      0.41143200

我想要一个函数,它接受集合中的第一个 SKU 作为输入,并找到集合的所有互补元素。

比如我需要一个函数f:

f(df=A, sku=1, rowTallyThreshold)

流程迭代地添加一个与现有集合互补的 SKU。如果rowTallyThreshold = 3,那么rowTally<=3 所在的所有行都可以添加到集合中:

[1] -> [1, 2] -> [1, 2, 3]
[1] -> [1, 2] -> [1, 2, 4]

如果 'rowTallyThreshold' = 1,则可能会将 rowTally

[1] -> [1, 3] -> [1, 3, 5]

结果输出应该是所有可能的集合。

生成 MWE 的代码:

set.seed(1)
a = runif(n=25, min=0, max=0.18); a[a<0.13] = 0
A = as.data.frame(matrix(a, nrow=5, ncol=5, byrow = TRUE))
A$rowTally <- rowSums(A != 0); 
A$sku <- seq(from = 1, to = 5)
A$totalDollarSales <- runif(n=5, min=1*10^2, max=1*10^6)
A$totalUnitSales <- runif(n=5, min=1*10^2, max=1*10^6)
names(A) <- c("p1_prop", "p2_prop", "p3_prop", "p4_prop", "p5_prop", "rowTally", "sku", "totalDollarSales", "totalUnitSales")
A <- A[c("sku", "p1_prop", "p2_prop", "p3_prop", "p4_prop", "p5_prop", "rowTally", "totalDollarSales", "totalUnitSales")]
A$dollarsPerRobot <- A$totalDollarSales/A$totalUnitSales

【问题讨论】:

  • 我不明白rowTallyThreshold 是什么意思。为什么只有
  • 对于这个特定问题,您是否关心除p1_prop p2_prop p3_prop p4_prop p5_prop rowTally之外的任何列?
  • @JonSpring rowTallyThreshold 是数据框中的 rowTally 列应与之进行比较的内容。如果rowTally rowTallyThreshold,那么该行是一个可行的候选添加到集合中,假设它具有不重叠的列值
  • @JonSpring 这个问题,我只关心那些列

标签: r dplyr


【解决方案1】:

这个怎么样:

library(tidyverse)

## y matches to x iff y is zero when x is not zero
is_match <- function(x, y) {
  all((x != 0 & y == 0) | (x == 0))
}

## Find complement skus of sku
find_matches <- function(df, sku, rowTallyThreshold, vars) {
  ## Vector of main sku
  main_sku <- as.numeric(df[df$sku == sku, vars])
  ## Potential candidates
  potential <- df %>%
    filter(rowTally <= rowTallyThreshold)
  ## Indices of matches
  match_idx <- apply(potential[vars], 1, function(y){is_match(main_sku, y)})
  ## Skus of matches
  potential$sku[match_idx]
}

find_matches(A, 1, 3, c("p1_prop", "p2_prop", "p3_prop", "p4_prop", "p5_prop"))

【讨论】:

  • 谢谢,这让我更接近了。实际输出应该是:[2,3]; [3]; [4],因为 sku/rows 有 3 种可能的组合,包括 sku/row 1。输出应该是一个数据框
  • 很抱歉您的符号不清楚。你能澄清一下你想要什么吗?我的函数会按照您在问题中的要求返回 sku。
猜你喜欢
  • 2023-01-18
  • 2023-03-08
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2011-04-17
  • 1970-01-01
相关资源
最近更新 更多