R 以特定的方式排列数据帧
很抱歉，这个标题不好，但我真的不知道如何简洁地表达它 我正在玩一个数据框，其中一个项目可以是4个类别中的任意一个，而不限于1个。下面是我正在使用的虚拟矩阵的一个示例：R 以特定的方式排列数据帧,r,dplyr,R,Dplyr,很抱歉，这个标题不好，但我真的不知道如何简洁地表达它 我正在玩一个数据框，其中一个项目可以是4个类别中的任意一个，而不限于1个。下面是我正在使用的虚拟矩阵的一个示例： ID <- 1:7 A <- c(1,0,0,1,1,0,0) B <- c(0,1,0,0,1,0,1) C <- c(0,0,0,0,0,1,1) D <- c(1,0,1,1,0,0,0) A_B <- (A+B > 0)*1 C_D <- (C+D > 0)*1 Cos
ID <- 1:7
A <- c(1,0,0,1,1,0,0)
B <- c(0,1,0,0,1,0,1)
C <- c(0,0,0,0,0,1,1)
D <- c(1,0,1,1,0,0,0)
A_B <- (A+B > 0)*1
C_D <- (C+D > 0)*1
Cost <- c(25, 52, 11, 75, 45, 5, 34)
df <- data.frame(ID, A, B, C, D, A_B, C_D, A_B_C_D = 1, Cost)
df
ID A B C D A_B C_D A_B_C_D Cost
1 1 0 0 1 1 1 1 25
2 0 1 0 0 1 0 1 52
3 0 0 0 1 0 1 1 11
4 1 0 0 1 1 1 1 75
5 1 1 0 0 1 0 1 45
6 0 0 1 0 0 1 1 5
7 0 1 1 0 1 1 1 34
提前感谢。根据您发布的数据，不可能有唯一的解决方案，因为第1行和第4行具有相同的A到D列序列。否则，使用四位布尔模式似乎是一个简单的练习。我不明白为什么要重复位模式1001，除非这是您在设置示例数据时犯的错误 为了解释为什么我感到困惑，如果第1行和第4行在您建议的顺序中颠倒，那么对角线都是1的要求并没有失效，但它显然与之前的顺序不同：
Order2 <- c(1, 2, 7, 4, 5, 3, 6)
df[Order2,]
ID A B C D A_B C_D A_B_C_D Cost
1 1 0 0 1 1 1 1 25
2 0 1 0 0 1 0 1 52
7 0 1 1 0 1 1 1 34
4 1 0 0 1 1 1 1 75
5 1 1 0 0 1 0 1 45
3 0 0 0 1 0 1 1 11
6 0 0 1 0 0 1 1 5
Order2一种方法是使用蛮力，通过获取行排列的所有排列并检查是否满足对角期望：
z <- apply(permute::allPerms(1:7), 1, function(x){
mat <- as.matrix(df[,2:8])
if(all(diag(mat[x,]) == rep(1,7))){
return(df[x,])
}
})
要获得第一个匹配置换，可以使用while循环：
perms <- permute::allPerms(1:7)
mat <- as.matrix(df[,2:8])
i <- 1
while (!all(diag(mat[perms[i,],]) == rep(1,7))) {
i = i+1
}
df[perms[i,],]
# ID A B C D A_B C_D A_B_C_D Cost
1 1 1 0 0 1 1 1 1 25
2 2 0 1 0 0 1 0 1 52
6 6 0 0 1 0 0 1 1 5
3 3 0 0 0 1 0 1 1 11
4 4 1 0 0 1 1 1 1 75
7 7 0 1 1 0 1 1 1 34
5 5 1 1 0 0 1 0 1 45
perms更多行的逻辑是什么？@akrun只有7行，只是多次迭代：它们是lpsolve
优化的结果。优化工作使我始终能够做出“正确”的订单，我只需要简化订单。最终输出工作需要正确的顺序。谢谢，是只有一个解决方案，还是可以有多个？如果是后者，你在乎你得到的是哪一个吗？您可能需要实现一个搜索算法，在可能的排列树中遍历，直到找到一个可行的为止。@ClausWilke排序可以有多个解决方案，只要对角线上有一个1，排序就没有关系。另一个算法是我害怕的，哈哈。我希望有一个比我聪明的人能有一个简单的解决方案，但听起来我会着手研究一个算法。谢谢你的帮助谢谢你帮了我！我说“一个可以接受的答案是：”但我应该更清楚，没有唯一的解决方案，只要对角线上填充了1，它就可以工作。话虽如此，我还是要看一看德摩根定理，谢谢你的资源。这很好，谢谢你的帮助。正因为如此，我在更高的层次上理解了test2
：基本上，您告诉R要做的是尽可能多地进行行组合（特定的顺序存储在perms
）。然后告诉R根据perms
中的规范重新组织df
。一旦所有对角线都等于1，停止循环并按顺序返回df
。拍摄，我的实际df
s还有一列，因此它是一个8:8的虚拟矩阵permute:：allPerms
无法处理1:8（“可能的排列数量太大”）allPerms（1:5）
有119行，allPerms（1:6）
有719行，allPerms（1:7）
有5039行，所以我怀疑allPerms（1:8）
大约有38k行。38000x8矩阵通常适合R，所以我不确定它为什么会卡住。你知道有没有解决办法吗？现在看看CRAN@很抱歉给你发了垃圾邮件，但我想让你知道我在你搜索之前就知道了。添加ctrl@CoolGuyHasChillDay test和test2的区别在于，在第一个函数中，R测试所有置换，而在第二个函数中，R测试直到找到第一个匹配，出于您的目的，它会更好，因为速度更快，因为看起来测试部分比进行置换花费的时间要多得多。我很高兴你解决了这个问题！问题9！应该也行，但是10！这可能是不可能的。我还在考虑其他的解决方案，如果我发现一些值得称赞的东西，我会更新帖子。
z <- Filter(Negate(is.null), z)
length(z) #88
z[[5]] #random solution
#output
ID A B C D A_B C_D A_B_C_D Cost
1 1 1 0 0 1 1 1 1 25
2 2 0 1 0 0 1 0 1 52
6 6 0 0 1 0 0 1 1 5
4 4 1 0 0 1 1 1 1 75
5 5 1 1 0 0 1 0 1 45
3 3 0 0 0 1 0 1 1 11
7 7 0 1 1 0 1 1 1 34
perms <- permute::allPerms(1:7)
mat <- as.matrix(df[,2:8])
i <- 1
while (!all(diag(mat[perms[i,],]) == rep(1,7))) {
i = i+1
}
df[perms[i,],]
# ID A B C D A_B C_D A_B_C_D Cost
1 1 1 0 0 1 1 1 1 25
2 2 0 1 0 0 1 0 1 52
6 6 0 0 1 0 0 1 1 5
3 3 0 0 0 1 0 1 1 11
4 4 1 0 0 1 1 1 1 75
7 7 0 1 1 0 1 1 1 34
5 5 1 1 0 0 1 0 1 45
test <- function(df){
z <- apply(permute::allPerms(1:7), 1, function(x){
mat <- as.matrix(df[,2:8])
if(all(diag(mat[x,]) == rep(1,7))){
return(df[x,])
}
})
z <- Filter(Negate(is.null), z)
return(z)
}
test2 <- function(df){
perms <- permute::allPerms(1:7)
mat <- as.matrix(df[,2:8])
i <- 1
while (!all(diag(mat[perms[i,],]) == rep(1,7))) {
i = i+1
}
df[perms[i,],]
}
microbenchmark::microbenchmark(b <- test(df),
c <- test2(df), times = 10L)
Unit: milliseconds
expr min lq mean median uq max neval cld
b <- test(df) 392.68257 396.81450 412.41600 401.0613 408.15582 509.77693 10 b
c <- test2(df) 46.11754 46.92276 47.80778 47.3977 48.82543 50.05795 10 a