R 布尔变量及其关系综述
我想总结一下布尔变量及其关系。特别是:R 布尔变量及其关系综述,r,ggplot2,boolean,relationship,R,Ggplot2,Boolean,Relationship,我想总结一下布尔变量及其关系。特别是: 对于每一个变量,我想计算TRUE的数目 对于一对变量,我想计算TRUE和TRUE的数量 我模拟了一些数据,给大家举个例子: n <- 100 id <- 1:n set.seed(1) d1 <- sample(c(TRUE, FALSE), n, replace = TRUE) d2 <- sample(c(TRUE, FALSE), n, replace = TRUE) d3 <- sample(c(TRUE, FALS
n <- 100
id <- 1:n
set.seed(1)
d1 <- sample(c(TRUE, FALSE), n, replace = TRUE)
d2 <- sample(c(TRUE, FALSE), n, replace = TRUE)
d3 <- sample(c(TRUE, FALSE), n, replace = TRUE)
d4 <- sample(c(TRUE, FALSE), n, replace = TRUE)
d5 <- sample(c(TRUE, FALSE), n, replace = TRUE)
df <- data.frame(id, d1, d2, d3, d4, d5)
谢谢 可能少做一点工作:
library(dplyr)
library(purrr)
to_plot <- expand.grid(colnames(df)[-1], colnames(df)[-1],
stringsAsFactors = FALSE)
to_plot <- to_plot %>%
mutate(n = map2(Var1, Var2, ~sum(df[[.x]] & df[[.y]])))
当有100个变量,每个变量有1000个观察值时:
n <- 1000
nvar <- 100
id <- 1:n
dat <- lapply(1:nvar, function(i)sample(c(TRUE, FALSE), n, replace = TRUE))
names(dat) <- paste("d", seq_along(dat))
dat$id <- id
df <- do.call(data.frame, dat)
在这两种情况下,执行更多计算的操作实际上要快得多。这显然不会在小数据中产生明显的差异,但看看不同的操作如何扩展是很有趣的。这并不短,但它避免了重新计算内容,因为
d1
,d2
值与d2
,d1
相同。我们只能计算一次,然后在两个地方进行更新。它还避免了使用colSums
计算d1
和d1
使用combn
:
library(tidyverse)
cols <- names(df)[-1]
val <- combn(cols, 2, function(x) sum(rowSums(df[x]) == 2))
mat <- matrix(nrow = length(cols), ncol = length(cols),
dimnames = list(cols, cols))
mat[upper.tri(mat)] <- val
mat[lower.tri(mat)] <- val
diag(mat) <- colSums(df[-1])
mat %>%
as.data.frame() %>%
rownames_to_column('row') %>%
pivot_longer(cols = -row) %>%
ggplot(aes(row, name)) +
geom_tile(aes(fill = value))
库(tidyverse)
cols这是一个有趣的答案,当我第一次研究这个问题时,我也使用了combn
,不过老实说,没有你那么好。然而,我认为查看基准会很好,所以我在下面编辑了我的答案,将其包括在内。令人惊讶的是,重复计算的操作实际上更快。幸运的是,你没有考虑我在竞争中的基于解决方案,LOL!我非常喜欢你基于expand.grid+map2的方法。然而,我将把这个问题继续讨论几天,以防有人知道一种更紧凑的方法来执行这项任务。谢谢
n <- 100
nvar <- 5
id <- 1:n
dat <- lapply(1:nvar, function(i)sample(c(TRUE, FALSE), n, replace = TRUE))
names(dat) <- paste0("d", seq_along(dat))
df <- do.call(data.frame, dat)
df <- cbind(id=id, df)
microbenchmark(op1(), op2(), times=100)
Unit: milliseconds
expr min lq mean median uq max neval cld
op1() 4.002038 4.551332 6.633587 5.499613 8.341939 12.335900 100 b
op2() 1.200123 1.323183 2.011996 1.743236 2.305946 4.030759 100 a
n <- 1000
nvar <- 100
id <- 1:n
dat <- lapply(1:nvar, function(i)sample(c(TRUE, FALSE), n, replace = TRUE))
names(dat) <- paste("d", seq_along(dat))
dat$id <- id
df <- do.call(data.frame, dat)
microbenchmark(op1(), op2(), times=100)
Unit: milliseconds
expr min lq mean median uq max neval cld
op1() 332.0568 352.9815 377.0784 369.1204 383.3933 768.0261 100 b
op2() 158.8863 170.4160 185.8864 184.4045 198.0373 254.2080 100 a
library(tidyverse)
cols <- names(df)[-1]
val <- combn(cols, 2, function(x) sum(rowSums(df[x]) == 2))
mat <- matrix(nrow = length(cols), ncol = length(cols),
dimnames = list(cols, cols))
mat[upper.tri(mat)] <- val
mat[lower.tri(mat)] <- val
diag(mat) <- colSums(df[-1])
mat %>%
as.data.frame() %>%
rownames_to_column('row') %>%
pivot_longer(cols = -row) %>%
ggplot(aes(row, name)) +
geom_tile(aes(fill = value))