我有一個如下所示的資料框：
Examples Type
1 example1 a
2 example1 b
3 example1 c
4 example1 c
5 example2 c
在一個矩陣中，行和列對應于每個示例，我想計算示例之間型別的交集。
my_mat <- matrix(0, nrow=length(unique(df$Examples)), ncol=length(unique(df$Examples)))
rownames(my_mat) <- unique(df$Examples)
colnames(my_mat) <- unique(df$Examples)
我目前擁有的代碼是一個雙 for 回圈，在更大的范圍內它的速度要慢得多。
get_intersection <- function(example1, example2) {
return(length(dplyr::intersect(example1, example2)))
}
for (i in 1:nrow(my_mat)) {
curr_row <- rownames(my_mat)[i]
for (j in 1:ncol(my_mat)) {
curr_col <- colnames(my_mat)[j]
my_mat[i, j] <- get_intersection(df$Type[which(df$Examples %in% curr_row)],
df$Type[which(df$Examples %in% curr_col)])
}
}
如何使用“應用”方法來加速此矩陣的填充？
資料
df <- structure(list(Examples = c("example1", "example1", "example1",
"example1", "example2"), Type = c("a", "b", "c", "c", "c")), class = "data.frame", row.names = c(NA,
-5L))
uj5u.com熱心網友回復：
不確定您需要什么矩陣，您可以使用它在列的值上outer連續迭代一個函式。funique"Examples"
f <- \(x, y) length(intersect(df[df$Examples == x, 'Type'], df[df$Examples == y, 'Type']))
u <- unique(df$Examples)
outer(u, u, Vectorize(f)) |> `dimnames<-`(list(u, u))
# example1 example2
# example1 3 1
# example2 1 1
資料：
df <- structure(list(Examples = c("example1", "example1", "example1",
"example1", "example2"), Type = c("a", "b", "c", "c", "c")), class = "data.frame", row.names = c(NA,
-5L))
uj5u.com熱心網友回復：
如果我們旋轉資料，我們可以使用矩陣乘法：
library(dplyr)
library(tidyr)
dfw = df %>%
unique %>%
mutate(n = 1) %>%
pivot_wider(names_from = Type, values_from = n, values_fill = 0) %>%
as.data.frame
row.names(dfw) = dfw$Examples
dfm = as.matrix(dfw[-1])
result = dfm %*% t(dfm)
result
# example1 example2
# example1 3 1
# example2 1 1
uj5u.com熱心網友回復：
我還沒有對它進行基準測驗，但是這個版本應該會快一點：
df <- data.frame(Examples = c('example1', 'example1', 'example1', 'example1', 'example2'),
Type = c('a', 'b', 'c', 'c', 'c'),
stringsAsFactors = FALSE)
examples <- unique(df$Examples)
my_mat <- matrix(0, nrow = length(examples), ncol = length(examples))
rownames(my_mat) <- examples
colnames(my_mat) <- examples
perms <- gtools::permutations(v = examples,
n = length(examples),
r = 2,
repeats.allowed = TRUE)
apply(perms, 1, function(x) {
result <- intersect(df[ df$Examples == x[ 1 ], 'Type' ],
df[ df$Examples == x[ 2 ], 'Type' ]) |>
length()
my_mat[ x[ 1 ], x[ 2 ] ] <<- result
}) |> invisible()
print(df)
print(my_mat)
uj5u.com熱心網友回復：
我們可以使用tcrossprod table
> tcrossprod(table(unique(df)))
Examples
Examples example1 example2
example1 3 1
example2 1 1
或者
> tcrossprod(table(df) > 0)
Examples
Examples example1 example2
example1 3 1
example2 1 1
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/526999.html
標籤：r数据框矩阵