来自 dist 函数的第 N 个最小对

Question

假设我有以下数据集：

dt<-data.frame(X=sample(4),Y=sample(4))

当我用它运行 dist 时

dist(dt, method = "euclidean")

它给了我一个像这样的矩阵：

         1        2        3
2 3.162278                  
3 2.236068 3.605551         
4 2.236068 2.236068 1.414214

我需要知道，第 N 个最小对是什么

例如，第一个最小对是：(1,3)，距离为1.414214 第二对是 (2,4) 和 (1,4) 与 2.236068 等等 .... 那么，我怎样才能拥有这个功能呢？

Answer 1

您想按条目拆分行/列索引：

n <- nrow(dt) - 1
j <- rep.int(1:n, n:1)    # column number
i <- j + sequence(n:1)    # row number
x <- dist(dt)
loc <- data.frame(i, j)
pair <- split(loc, x)

有时强制因子水平是个好主意：

lev <- sort(unique(x))
pair <- split(loc, factor(x, lev))

杂项

我上面的解决方案是耗尽，因为即使您想要最小的索引，它也会返回一个完整的列表。例如，您可以通过pair[3] 进行提取，以获得第三个最小值的结果。

虽然这本身很有趣，但如果您总是想要一个条目的结果并丢弃其余条目，则效率低下。我对这个问题的回答对您有帮助：R - How to get row & column subscripts of matched elements from a distance matrix，您还可以在这里学习下三角矩阵的基础知识。