[英]R - Compute Mismatch By Group
我想知道如何按組計算不匹配的情況。
讓我們想象這是我的數據:
sek = rbind(c(1, 'a', 'a', 'a'),
c(1, 'a', 'a', 'a'),
c(2, 'b', 'b', 'b'),
c(2, 'c', 'b', 'b'))
colnames(sek) <- c('Group', paste('t', 1:3, sep = ''))
數據看起來像這樣
Group t1 t2 t3
[1,] "1" "a" "a" "a"
[2,] "1" "a" "a" "a"
[3,] "2" "b" "b" "b"
[4,] "2" "c" "b" "b"
為了獲得類似的東西
Group 1 : 0
Group 2 : 1
使用stringdist
庫來計算它是很奇怪的。
就像是
seqdistgroupStr = function(x) stringdistmatrix(x, method = 'hamming')
sek %>%
as.data.frame() %>%
group_by(Group) %>%
seqdistgroupStr()
但它沒有用。
有任何想法嗎 ?
快速更新 :您如何解決權重問題? 例如,在兩個字符之間設置錯誤匹配時,如何傳遞參數 - 值(1,2,3,...)。 像B和C 2的成本之間的不匹配 ,而a和c成本1等之間的不匹配 。
這是另一個dplyr
解決方案,不需要將數據轉換為長/寬形式:
library(dplyr)
sek = rbind(c(1, 'a', 'a', 'a'),
c(1, 'a', 'a', 'a'),
c(2, 'b', 'b', 'b'),
c(2, 'c', 'b', 'b')) %>%
data.frame
colnames(sek) <- c('Group', paste('t', 1:3, sep = ''))
sek %>%
group_by(Group) %>%
distinct(t1, t2, t3) %>%
summarise(number_of_mismatches = n() - 1)
下面的代碼將按組給出不匹配的數量,其中不匹配定義為每個級別的每個級別t1,t2等中的唯一值的數量少一個。 我認為只有當你需要的不僅僅是二進制不匹配度量時,你才需要引入一個字符串距離度量,但二進制度量就足以滿足你給出的例子。 此外,如果你想要的只是每組中不同行的數量,那么@ Alex的解決方案更簡潔。
library(dplyr)
library(reshape2)
sek %>% as.data.frame %>%
melt(id.var="Group") %>%
group_by(Group, variable) %>%
summarise(mismatch = length(unique(value)) - 1) %>%
group_by(Group) %>%
summarise(mismatch = sum(mismatch))
Group mismatch
1 1 0
2 2 1
這是一個更短的dplyr
方法來計算個體不匹配。 它不需要重塑,但它需要其他數據體操:
sek %>% as.data.frame %>%
group_by(Group) %>%
summarise_each(funs(length(unique(.)) - 1)) %>%
mutate(mismatch = rowSums(.[-1])) %>%
select(-matches("^t[1-3]$"))
另一個想法:
library(dplyr)
library(tidyr)
data.frame(sek) %>%
gather(key, value, -Group) %>%
group_by(Group) %>%
summarise(dist = n_distinct(value)-1)
這使:
#Source: local data frame [2 x 2]
#
# Group dist
#1 1 0
#2 2 1
m <- matrix(apply(sek[,-1], 1, paste, collapse=''))
newdf <- as.data.frame(cbind(sek[,1], m))
names(newdf) <- c('Group', 'value')
newdf %>% group_by(Group) %>% summarize(count = length(unique(value))-1)
# Group count
#1 1 0
#2 2 1
基礎包:
aggregate(cbind(dist = Groups) ~ Groups,
data = unique(sek),
FUN = function(x){NROW(x)-1})
使用sqldf
:
library(sqldf)
df <- rbind(c(1, "a", "a", "a"),
c(1, "a", "a", "a"),
c(2, "b", "b", "b"),
c(2, "c", "b", "b"))
df <- as.data.frame(df)
colnames(df)[1] <- "Groups"
sqldf("SELECT Groups, COUNT(Groups)-1 AS Dist
FROM (SELECT DISTINCT * FROM df)
GROUP BY Groups")
輸出:
Groups Dist
1 1 0
2 2 1
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.