data.frame 的列包含 R 中的矩阵

Question

我正在尝试将一些矩阵放入 R 中的 dataframe 中，例如：

m <- matrix(c(1,2,3,4), nrow=2, ncol=2)
df <- data.frame(id=1, mat=m)

但是，当我这样做时，我得到了一个具有 2 行和 3 列的 dataframe，而不是具有 1 行和 2 列的 dataframe。

阅读文档，我必须使用 I() 转义我的矩阵。

df <- data.frame(id=1, mat=I(m))

str(df)
'data.frame':   2 obs. of  2 variables:
 $ id : num  1 1
 $ mat: AsIs [1:2, 1:2] 1 2 3 4

据我了解，dataframe 矩阵的每一行都包含一行，而 mat 字段是矩阵列值的列表。

因此，如何获得包含矩阵的 dataframe？

谢谢 ！

Answer 1

我发现包含矩阵的 data.frames 令人费解，但是：我知道实现这一点的唯一方法是隐藏在stats:::simulate.lm

试试这个，戳穿，看看发生了什么：

d <- data.frame(y=1:5,n=5)
g0 <- glm(cbind(y,n-y)~1,data=d,family=binomial)
debug(stats:::simulate.lm)
s <- simulate(g0,n=5)

这是奇怪的后门解决方案。 创建一个列表，将其 class 更改为data.frame ，然后（这是必需的）手动设置names和row.names （如果您不执行这些最后步骤，数据仍将在 object 中，但它会打印好像它有零行......）

m1 <- matrix(1:10,ncol=2)
m2 <- matrix(5:14,ncol=2)
dd <- list(m1,m2)
class(dd) <- "data.frame"
names(dd) <- LETTERS[1:2]
row.names(dd) <- 1:5
dd

Answer 2

一个更简单的方法是使用矩阵的占位符定义数据框

m <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2) 
df <- data.frame(id = 1, mat = rep(0, nrow(m)))

然后分配矩阵。 无需使用列表的 class 或使用*apply() function。

df$mat <- m

Answer 3

我在尝试了解pls package 中的汽油数据时遇到了同样的问题。 用$来做这项工作。 首先，让我们创建一个矩阵，我们称之为spectra_mat，然后是一个名为response_var1 的向量。

spectra_mat = matrix(1:45, 9, 5)
response_var1 = seq(1:9)

现在我们将向量 response_var1 放入一个新的数据框中——我们称之为 df。

df = data.frame(response_var1)
df$spectra = spectra_mat

去检查，

str(df)

'data.frame':   9 obs. of  2 variables:
 $ response_var1: int  1 2 3 4 5 6 7 8 9
 $ spectra      : int [1:9, 1:5] 1 2 3 4 5 6 7 8 9 10 ...

Answer 4

包含矩阵列的数据框在特定场景中确实有其用途。 这些情况是当您对数据集中的每个观察值都有某个变量的整个向量时。 我遇到过两种常见的情况：

1. 贝叶斯分析：您为每个观察创建一个后验预测，因此对于新数据中的每一“行”，您都有一个完整的向量（该向量的长度是 MCMC 迭代的次数）。
2. 功能数据分析：每个“观察”本身就是一个 function，并且您将观察到的 function 的实现存储为向量。

如果您正在使用数据框，则有一些明显的方法可以处理这些数据，但这些方法都是低效的。 我将以贝叶斯案例为例：

1. “超宽”格式：除了数据框的其他列之外，向量的每个元素都有一列。 这会产生一个非常宽的数据框，通常很难使用。 这也使得很难仅引用与后验相对应的那些列。
2. “超长”（整洁）格式：非常 memory 密集型，因为对于后验的每次迭代都必须不必要地重复数据框的所有其他列。
3. 列表列：您可以创建一个列表，其中每个元素是对应于数据框该行的后验的向量。 这里的问题是，您想要做的大部分操作都需要您将后验取消列出回矩阵，并且列出/取消列出是不必要的计算。

带有矩阵列的数据框是解决这种情况的一个非常有用的解决方案。 后验保留在与数据框具有相同行数的矩阵中。 但是该矩阵仅被识别为数据框中的单个“列”，并且使用 df$mat 引用该列将返回矩阵。 您甚至可以使用一些 dplyr 函数（如过滤）来返回矩阵的相应行，但这有点实验性。

创建矩阵列的最简单方法是分两个步骤。 首先创建没有矩阵列的数据框，然后通过简单的赋值添加矩阵列。 我还没有找到不涉及更改列类型的I()的 1 步解决方案。

m <- matrix(c(1,2,3,4), nrow=2, ncol=2)
df <- data.frame(id = rep(1, nrow(m)))
df$mat <- m
names(df)
# [1] "id"  "mat"
str(df)
# 'data.frame': 2 obs. of  2 variables:
#  $ id : num  1 1
#  $ mat: num [1:2, 1:2] 1 2 3 4

Answer 5

您得到的结果（2 行 x 3 列）是 R 的预期结果，因为它相当于cbind一个向量（ id ，带回收）和一个矩阵（ m ）。

IMO，如果您真的想绑定不同的数据结构，最好使用list或array （当尺寸一致时，不允许数字和因子值混合）。 否则，只需将您的矩阵cbind到现有的 data.frame 如果两者具有相同的行数就可以完成这项工作。 例如

x1 <- replicate(2, rnorm(10))
x2 <- replicate(2, rnorm(10))
x12l <- list(x1=x1, x2=x2)
x12a <- array(rbind(x1, x2), dim=c(10,2,2))

结果显示

> str(x12l)
List of 2
 $ x1: num [1:10, 1:2] -0.326 0.552 -0.675 0.214 0.311 ...
 $ x2: num [1:10, 1:2] -0.164 0.709 -0.268 -1.464 0.744 ...
> str(x12a)
 num [1:10, 1:2, 1:2] -0.326 0.552 -0.675 0.214 0.311 ...

如果您计划使用不同维度的矩阵，列表更易于使用，并且如果它们以与外部 data.frame 相同的方式（对于行）进行组织，您可以轻松地对它们进行子集化。 这是一个例子：

df1 <- data.frame(grp=gl(2, 5, labels=LETTERS[1:2]), 
                  age=sample(seq(25,35), 10, rep=T))
with(df1, tapply(x12l$x1[,1], list(grp, age), mean))

您还可以使用lapply （用于列表）和apply （用于数组）函数。