避免R中嵌套循环的数据转换

我有一个列联表数据矩阵，有6列37行。 我需要应用卡方变换来为对应分析提供行配置文件和列配置文件

不幸的是，有人告诉我，我需要使用嵌套循环来转换数据并执行CA（而不是用R中更合理的方法）。我得到了用于嵌套循环的结构：

transformed.data=data0

for (row.index in 1:nrow(data)) {
  for (col.index in 1:ncol(data)) {
    transfomed.data[row.index,col.index]=
       "TRANSFORMATION"[row.index,col.index]
  }
}

根据我对使用嵌套循环的理解，它将首先对行应用我的“转换”，然后对列应用我的“转换”

我希望对数据进行转换以获得行配置文件：

（X（ij）/sum（X（i））/sqrt（sum（X（j））

而我希望对数据进行转换以获得列配置文件：

（X（ij）/sum（X（j））/sqrt（sum（X（i））

在嵌套循环的最后一行中输入什么作为“转换”，以使其输出所需的配置文件转换。否则，如果我没有理解这里嵌套循环的意义，请描述它允许我做什么

这是我的数据子集的代码：

matrix(c(15366,2079,411,366,23223,2667,699,819,31632,2724,717,1473,49938,3111,1062,11964)
,nrow=4,ncol=4,byrow=T)

因此，仅使用此子集，我希望第一行的行配置文件为：

0.002432689 0.0003291397 6.506803e-05 5.794379e-05

第一列的列配置文件为：

0.0009473414, 0.0132572344, 0.0572742202, 0.0132863528 

---

您可以在这些类型的计算中使用它，甚至不需要一个循环。重写你的方程式，然后你会得到：

Xtrans[i，j]=X[i，j]/（sum（X[i，]）*sqrt（sum（X[j]））

要获得表示项-sum（X[i，]）*sqrt（sum（X[j]）的矩阵，可以使用函数

outer（）

或

%o%

，如下所示：

rowSums(X) %o% sqrt(colSums(X))

或者，对于列转换：

sqrt(rowSums(X)) %o% colSums(X)

TEST <- matrix(
               c(15366,2079,411,366,23223,2667,699,819,
                 31632,2724,717,1473,49938,3111,1062,11964),
                 nrow=4,ncol=4,byrow=T)

> TEST / (sqrt(rowSums(TEST)) %o% colSums(TEST))
             [,1]        [,2]        [,3]         [,4]
[1,] 0.0009473414 0.001455559 0.001053892 0.0001854284
[2,] 0.0011674098 0.001522501 0.001461474 0.0003383284
[3,] 0.0013770523 0.001346668 0.001298230 0.0005269580
[4,] 0.0016167998 0.001143812 0.001430074 0.0031831055

唯一需要做的就是将原始矩阵除以此矩阵，例如用于col变换：

sqrt(rowSums(X)) %o% colSums(X)

TEST <- matrix(
               c(15366,2079,411,366,23223,2667,699,819,
                 31632,2724,717,1473,49938,3111,1062,11964),
                 nrow=4,ncol=4,byrow=T)

> TEST / (sqrt(rowSums(TEST)) %o% colSums(TEST))
             [,1]        [,2]        [,3]         [,4]
[1,] 0.0009473414 0.001455559 0.001053892 0.0001854284
[2,] 0.0011674098 0.001522501 0.001461474 0.0003383284
[3,] 0.0013770523 0.001346668 0.001298230 0.0005269580
[4,] 0.0016167998 0.001143812 0.001430074 0.0031831055

---

您提到的卡方标准化实际上可以在

素食者

套餐的

decostand

功能中找到。请注意，默认情况下，该方法通过乘以矩阵总数的平方根进行调整。这在对应分析中是有意义的

如果不想使用此更正，则可以按如下方式获得列转换：

> require(vegan)
> decostand(TEST,method="chi.square",MARGIN=2)/sqrt(sum(TEST))
             [,1]         [,2]        [,3]        [,4]
[1,] 0.0009473414 0.0011674098 0.001377052 0.001616800
[2,] 0.0014555588 0.0015225011 0.001346668 0.001143812
[3,] 0.0010538924 0.0014614736 0.001298230 0.001430074
[4,] 0.0001854284 0.0003383284 0.000526958 0.003183106
attr(,"decostand")
[1] "chi.square"

---

你能添加一些示例数据来回答你的问题吗？需要输入数据集和预期结果。另外，您是否搜索过内置函数？谷歌的第一次成功让我受益匪浅。谢谢Chase，我将在第一篇文章中添加一些示例数据。关于本作业的第二个问题，我必须首先一步一步地进行对应分析，通过转换数据（我坚持的那一点）并对其进行PCA，然后通过corresp（原始数据）和ca（原始数据）以更合理的方式进行，听起来像是家庭作业？几条建议。1） 你不需要任何for循环，2）如果你使用

colSums（）

和

rowSums（）

3，你的公式会变得容易得多。当所有其他方法都失败时，你可以查看函数的源代码，看看其他作者是如何解决这个问题的。为此，在控制台中键入不带参数的函数名。这可以是一个包含上述信息的单行函数。预期结果是两个与原始数据行数和列数相同的矩阵吗？一个可以称为“行转换版本”，另一个可以称为“列转换版本”？%o%函数（外部）也可能有帮助。我知道这是家庭作业，但我想我们已经过了任务的截止日期，因此添加了一个类似R的解决方案