R 基于非零填充列组合创建组
我很难解决这个问题。我将在示例的基础上对其进行最好的解释,让我们看看以下数据:R 基于非零填充列组合创建组,r,R,我很难解决这个问题。我将在示例的基础上对其进行最好的解释,让我们看看以下数据: order type_a type_b type_c type_d 1 1 0 50 10 0 2 2 10 0 0 80 3 3 15 0 0 35 4 4 0 0 30 0 5 5 0 20 40
order type_a type_b type_c type_d
1 1 0 50 10 0
2 2 10 0 0 80
3 3 15 0 0 35
4 4 0 0 30 0
5 5 0 20 40 0
和dput
:
data <- structure(list(order = c(1, 2, 3, 4, 5), type_a = c(0, 10, 15,
0, 0), type_b = c(50, 0, 0, 0, 20), type_c = c(10, 0, 0, 30,
40), type_d = c(0, 80, 35, 0, 0)), .Names = c("order", "type_a",
"type_b", "type_c", "type_d"), row.names = c(NA, -5L), class = "data.frame")
仅供参考,在我的真实数据中,我确实有超过4列类型\*-->大约有10-15列
谢谢你的帮助 您的组由第2列到第5列中是否存在0来定义。测试0,将真/假值折叠为一个字符串,您将得到每个组的唯一字符串。转换为系数:
> data$group = factor(apply(data[,2:5] ==0,1,paste,collapse=""))
> data
order type_a type_b type_c type_d group
1 1 0 50 10 0 TRUEFALSEFALSETRUE
2 2 10 0 0 80 FALSETRUETRUEFALSE
3 3 15 0 0 35 FALSETRUETRUEFALSE
4 4 0 0 30 0 TRUETRUEFALSETRUE
5 5 0 20 40 0 TRUEFALSEFALSETRUE
现在名称很难看,请更改级别:
> class(data$group)
[1] "factor"
> levels(data$group)=paste("group_",1:length(levels(data$group)))
> data
order type_a type_b type_c type_d group
1 1 0 50 10 0 group_ 2
2 2 10 0 0 80 group_ 1
3 3 15 0 0 35 group_ 1
4 4 0 0 30 0 group_ 3
5 5 0 20 40 0 group_ 2
如果所有这些大写字母TRUEFALSE都会伤到你的眼睛,那么简单的修复将生成一个整洁的二进制数:
> data$group = factor(apply(0+(data[,2:5] ==0),1,paste,collapse=""))
> data
order type_a type_b type_c type_d group
1 1 0 50 10 0 1001
2 2 10 0 0 80 0110
3 3 15 0 0 35 0110
4 4 0 0 30 0 1101
5 5 0 20 40 0 1001
这在某些情况下可能会失败,但是,这是一个有趣的答案,因为我们可以使用R来表示它的实际用途。统计规划
set.seed(42)
cols <- grep("type_", names(d))
d$group <- kmeans(d[cols], 4)$cluster
# d$group <- paste0("group_", d$group)
set.seed(42)
colsdata.table解决方案
library(data.table)
setDT(data)[, id := .GRP, by = list( do.call(paste0, c( data.frame( data[,2:5] != 0 ) ) ) ) ][, id := paste0( "Group_", id)][]
# order type_a type_b type_c type_d id
# 1: 1 0 50 10 0 Group_1
# 2: 2 10 0 0 80 Group_2
# 3: 3 15 0 0 35 Group_2
# 4: 4 0 0 30 0 Group_3
# 5: 5 0 20 40 0 Group_1
我正要发布类似的内容,以避免您可以执行的apply
调用do.call(粘贴,c(data.frame(data[2:5]!=0),sep=“-”)
只是执行了一些基准测试-这要快得多。很好。@RonakShah和[2:5]您选择了第2:5行。。您可能是想[,2:5]选择列2:5。@Wimpel nope,[2:5]不选择行,[2:5]选择行。群集(组)的数量可能是2^个列,因为它是二进制数。如果您事先不知道有多少组,那么计算多少组以放入kmeans
arg可能与实际计算一样复杂……是的,分析员必须做一些传统的工作,如肘部图。我说的是“乐趣”,我没有说任何关于实用的东西。几年前,我不再谈论实用和所有关于乐趣的东西(嘿,六角贴纸!),我注意到了/snark我很抱歉,我不理解你的评论,也不想让我上一次的评论显得粗鲁,如果这是你的意思/snark“不,没关系,只是有一种趋势,当呈现的“有趣”代码比需要更好地理解R的不那么“有趣”的解决方案慢25倍时,R会不断地强调东西是“有趣”的。“snark”就是我在这件事上是个脾气暴躁的老头子!
library(data.table)
setDT(data)[, id := .GRP, by = list( do.call(paste0, c( data.frame( data[,2:5] != 0 ) ) ) ) ][, id := paste0( "Group_", id)][]
# order type_a type_b type_c type_d id
# 1: 1 0 50 10 0 Group_1
# 2: 2 10 0 0 80 Group_2
# 3: 3 15 0 0 35 Group_2
# 4: 4 0 0 30 0 Group_3
# 5: 5 0 20 40 0 Group_1