【发布时间】：2017-11-22 09:22:11
【问题描述】：
问题
假设我有这个数据框：
# mock data set
df.size = 10
cluster.id<- sample(c(1:5), df.size, replace = TRUE)
letters <- sample(LETTERS[1:5], df.size, replace = TRUE)
test.set <- data.frame(cluster.id, letters)
会是这样的：
cluster.id letters
<int> <fctr>
1 5 A
2 4 B
3 4 B
4 3 A
5 3 E
6 3 D
7 3 C
8 2 A
9 2 E
10 1 A
现在我想根据 cluster.id 对它们进行分组，看看我可以在一个集群中找到什么样的字母，例如 cluster 3 包含字母 A,E,D,C。然后我想获得所有唯一的成对组合（但不是与自身的组合，所以没有A,A 例如）：A,E ; A,D, A,C etc. 然后我想在邻接矩阵/数据框中更新这些组合的成对距离。
想法
# group by cluster.id
# per group get all (unique) pairwise combinations for the letters (excluding pairwise combinations with itself, e.g. A,A)
# update adjacency for each pairwise combinations
我尝试了什么
# empty adjacency df
possible <- LETTERS
adj.df <- data.frame(matrix(0, ncol = length(possible), nrow = length(possible)))
colnames(adj.df) <- rownames(adj.df) <- possible
# what I tried
update.adj <- function( data ) {
for (comb in combn(data$letters,2)) {
# stucked
}
}
test.set %>% group_by(cluster.id) %>% update.adj(.)
可能有一种简单的方法可以做到这一点，因为我一直看到邻接矩阵，但我无法弄清楚。如果不清楚，请告诉我
回复评论
回复@Manuel Bickel：
对于我作为示例给出的数据（“将类似于”下的表格）：
对于完整的数据集，这个矩阵将是 A--> Z，请记住这一点。
A B C D E
A 0 0 1 1 2
B 0 0 0 0 0
C 1 0 0 1 1
D 1 0 1 0 1
E 2 0 1 1 0
我会解释我做了什么：
cluster.id letters
<int> <fctr>
1 5 A
2 4 B
3 4 B
4 3 A
5 3 E
6 3 D
7 3 C
8 2 A
9 2 E
10 1 A
只有包含更多 > 1 个唯一字母的集群是相关的（因为我们不希望与自身组合，例如集群 1 只包含字母 B，所以它会导致组合 B,B，因此不相关）：
4 3 A
5 3 E
6 3 D
7 3 C
8 2 A
9 2 E
现在我寻找每个集群我可以做出哪些成对组合：
集群 3：
A,E
A,D
A,C
E,D
E,C
D,C
在邻接矩阵中更新这些组合：
A B C D E
A 0 0 1 1 1
B 0 0 0 0 0
C 1 0 0 1 1
D 1 0 1 0 1
E 2 0 1 1 0
然后去下一个集群
集群 2
A,E
再次更新邻接矩阵：
A B C D E
A 0 0 1 1 2 <-- note the 2 now
B 0 0 0 0 0
C 1 0 0 1 1
D 1 0 1 0 1
E 2 0 1 1 0
作为对庞大数据集的反应
library(reshape2)
test.set <- read.table(text = "
cluster.id letters
1 5 A
2 4 B
3 4 B
4 3 A
5 3 E
6 3 D
7 3 C
8 2 A
9 2 E
10 1 A", header = T, stringsAsFactors = F)
x1 <- reshape2::dcast(test.set, cluster.id ~ letters)
x1
#cluster.id A B C D E
#1 1 1 0 0 0 0
#2 2 1 0 0 0 1
#3 3 1 0 1 1 1
#4 4 0 2 0 0 0
#5 5 1 0 0 0 0
x2 <- table(test.set)
x2
# letters
#cluster.id A B C D E
# 1 1 0 0 0 0
# 2 1 0 0 0 1
# 3 1 0 1 1 1
# 4 0 2 0 0 0
# 5 1 0 0 0 0
x1.c <- crossprod(x1)
#Error in crossprod(x, y) :
# requires numeric/complex matrix/vector arguments
x2.c <- crossprod(x2)
#works fine
【问题讨论】：
-
我不完全理解您的预期输出应该是什么样子。能否举个例子，谢谢。
-
这是 adj.df 填充的计数，表示在每个集群中找到组合的频率，这有意义吗？ @ManuelBickel
-
我得到了关于单个集群中组合的部分，但我不完全理解
update.adj的输出应该是什么。您能否提供一个简短的示例输出（可以很短，例如 2x2 左右） -
@ManuelBickel 我更新了我的问题，希望现在很清楚，如果没有请告诉我
-
感谢您的更新，我认为现在或多或少已经清楚了。我会根据我的日程安排稍后或明天看看...
标签： r combinations adjacency-matrix