从许多变量创建一个共现矩阵，并绘制它

Question

我有一组患有多种健康状况的人的数据集。个人要么做（1）要么不（0）有每个条件（我的真实数据集有14个）。我想做的是总结数据，这样我就知道成对的条件发生的频率。请注意，有些人可能有三个或四个条件，但我感兴趣的是成对共现。然后我想将其绘制为热图。

我怀疑解决方案涉及 tidyr 的“收集”功能，但我无法解决。这是我的输入的外观和我想要实现的示例：

这里有一些关于个人的数据，以及他们是否有条件“a”、“b”或“c”：

library(tidyverse)
library(viridis)

dat <- tibble(
  id = c(1:15),
  a = c(1,0,0,0,1,1,1,0,1,0,0,0,1,0,1),
  b = c(1,0,0,1,1,1,0,0,1,0,0,1,1,0,1),
  c = c(0,0,1,1,0,1,0,1,0,1,1,0,1,1,0))

我想总结一下每种情况发生的频率，以及它们同时发生的频率。在这种情况下，很明显，条件“a”和“b”同时出现的频率高于其中任何一个与“c”一起出现的频率，后者通常单独出现。下面是我想象中的数据在可绘图格式中的样子。第一列是“变量 1”，第二列是“变量 2”，第三列是这些变量一起出现的频率。下面是我脑海中的情节。

plotdat <- tibble(
  var1 = c("a", "a", "a", "b", "b", "c"),
  var2 = c("a", "b", "c", "b", "c", "c"),
  count = c(7, 6, 2, 8, 3, 8))

ggplot(plotdat) +
  geom_tile(aes(var1, var2, fill = count)) +
  scale_fill_viridis()   

也许这根本不是正确的方法，我实际上需要将数据转换为 3x3 矩阵。任何可能的解决方案将不胜感激！

Answer 1

这是一种方法

library(tidyverse)
as.matrix(dat[-1]) %>% 
  crossprod() %>% 
  `[<-`(upper.tri(.), NA) %>% 
  as.data.frame() %>% 
  rownames_to_column() %>% 
  gather(key, value, -rowname) %>%
  filter(!is.na(value))
#  rowname key value
#1       a   a     7
#2       b   a     6
#3       c   a     2
#4       b   b     8
#5       c   b     3
#6       c   c     8

我认为最重要的部分是crossprod。但是让我们一步一步来。

您不需要列 id，因此我们将其排除并将 dat[-1] 转换为矩阵，因为这是 crossprod 所期望的。

as.matrix(dat[-1]) %>% 
  crossprod()
#  a b c
#a 7 6 2
#b 6 8 3
#c 2 3 8

然后我们用NA替换这个矩阵的上三角，因为你不想比较a-b和b-a等等。

下一步是转换为数据框，将行名设为一列，然后从宽变为长

as.matrix(dat[-1]) %>% 
  crossprod() %>% 
  `[<-`(upper.tri(.), NA) %>% 
  as.data.frame() %>% 
  rownames_to_column() %>% 
  gather(key, value, -rowname)
#  rowname key value
#1       a   a     7
#2       b   a     6
#3       c   a     2
#4       a   b    NA
#5       b   b     8
#6       c   b     3
#7       a   c    NA
#8       b   c    NA
#9       c   c     8

最后删除NAs 以获得所需的输出。