Question

我的数据Dat.1有一个逗号分隔的文本列c.2，看起来像

c.1     c.2
A       IN, CA, IL, NY
B       NJ, IN,AR
C       DC, NY
D       TX, AR, IN

我使用c.1创建一个空的邻接矩阵Aij

    A   B   C   D
A   0   0   0   0
B   0   0   0   0   
C   0   0   0   0
D   0   0   0   0

我想在逗号分隔列中搜索类似文本，c.2如果逗号分隔文本相同，则将我的邻接矩阵Aij重新分配给1。例如，在Dat.1中，“IN”出现在列c.1的A，B和D中，我将在Aij中重新分配AB，AD为1.类似地，“NY”在A中，C和I将分配另一个AC = 1。 “AR”在B和D中，我将指定BD = 1。然后我将添加值，我的新矩阵将是，

    A   B   C   D
A   0   1   1   1
B   1   0   0   1   
C   1   0   0   0
D   1   1   0   0

如何阅读公共文本并重新分配我的邻接矩阵，而不将列c.2分成许多子列？

Answer 1

您必须在某个时候将c.2分开，以便比较这些值。否则你可以尝试做一些正则表达式技巧，但我怀疑它会更快，然后你必须担心逃避你的文本是正则表达式安全。

我确定有很多方法可以做到这一点（可能有一些内置的软件包编码了更快的方法），但这个解决方案的关键是基础R combn函数。

# recreate your dataframe
x <- data.frame(c.1=LETTERS[1:4],
                c.2=c('IN, CA, IL, NY', 'NJ, IN,AR', 'DC, NY', 'TX, AR, IN'),
                stringsAsFactors=F)

这里我们将c2列拆分为列表而不是数据帧，因为每行中的条目数不相同

# split up the comma values
bits <- strsplit(x$c.2, ', ?')

构造一个0的矩阵来保存你的邻接矩阵：

adj <- matrix(0, nrow=nrow(x), ncol=nrow(x), dimnames=list(x$c.1, x$c.1))

首先，要认识到你的邻接矩阵是对称的，即如果（B和A）有1个共同的元素，那么（A和B）也是如此。所以我们只需要计算矩阵的上半部分或下半部分的公共分量数，然后就可以反映它。

关键是combn(1:4, m=2, FUNCTION)。首先尝试combn(1:4, m=2)，你会看到它产生数字1：4组合的矩阵，即一个矩阵，所有坐标都进入邻接矩阵（不包括对角线）。您可以改为执行expand.grid(1:4, 1:4)之类的操作，但这将包括长度为2的1：4的排列，即它包括（第1行，第3列）和第3行我们之前确定的第1列，无论如何都具有相同的值。所以我们使用combn只生成坐标到邻接矩阵的上半部分（或下半部分）。

然后，对于FUN，我们只需在intersect上使用bits查看A列中有多少元素。

最后我们使用adj[lower.tri(adj, diag=F)]将值分配给邻接矩阵的下半部分（<-按列分配，我们的坐标是按行的，所以我们使用下半部分而不是上半部分分配给：）

adj[lower.tri(adj, diag=F)] <-
  combn(1:nrow(x), m=2, function (coords) {
    length(intersect(bits[[coords[1]]], bits[[coords[2]]]))
  })

然后最后我们使用下半部分值填充矩阵的上半部分（t(adj)是一些奇特的基础，因为再次按列分配）。

adj[upper.tri(adj)] <- t(adj)[upper.tri(adj)]
> adj
  A B C D
A 0 1 1 1
B 1 0 0 2
C 1 0 0 0
D 1 2 0 0

所有解释都是一个很长的答案，但实际上它只有3行：

adj <- matrix(0, nrow=nrow(x), ncol=nrow(x), dimnames=list(x$c.1, x$c.1)
adj[lower.tri(adj, diag=F)] <-
  combn(1:nrow(x), m=2, function (coords) {
    length(intersect(bits[[coords[1]]], bits[[coords[2]]]))
  })
adj[upper.tri(adj)] <- t(adj)[upper.tri(adj)]

基于相同的逗号分隔文本列重新分配邻接矩阵值

1 个答案: