從 R 中的數據幀創建相關矩陣

Question

我有一個相關性數據框，看起來像這樣（盡管我的真實數據中有大約 15,000 行）

phen1<-c("A","B","C")
phen2<-c("B","C","A")
cors<-c(0.3,0.7,0.8)

data<-as.data.frame(cbind(phen1, phen2, cors))

    phen1  phen2   cors
1     A      B      0.3
2     B      C      0.7
3     C      A      0.8

這是在外部創建並讀入 R 中，我想將此數據框轉換為相關矩陣，其中 phen1 和 2 作為該矩陣的行和列的標簽。 我只為下三角形或上三角形計算過這個，我沒有對角線的 1。 所以我希望最終結果是一個完整的相關矩陣，但第一步可能是創建下/上三角形，然后轉換為我認為的完整矩陣。 我不確定如何做這一步。

此外，結果可能不是直觀的順序，但我不確定這是否重要，但理想情況下我想要一種方法來做到這一點，它使用 phen1 和 phen 2 中的標簽來確保矩陣具有正確的值在正確的地方，如果這有意義嗎？

基本上為此，我想要這樣的結果作為最終結果：

  A    B    C
A 1    0.3  0.8
B 0.3  1    0.7
C 0.8  0.7  1

Answer 1

我認為必須有一種優雅的方式來做到這一點，但是，這里有一個dplyr和tidyr可能性：

data %>%
 spread(phen1, cors) %>%
 rename(phen = "phen2") %>%
 bind_rows(data %>%
            spread(phen2, cors) %>%
            rename(phen = "phen1")) %>%
 group_by(phen) %>%
 summarise_all(~ ifelse(all(is.na(.)), 1, first(na.omit(.))))

  phen      A     B     C
  <chr> <dbl> <dbl> <dbl>
1 A       1     0.3   0.8
2 B       0.3   1     0.7
3 C       0.8   0.7   1  

Answer 2

這是 base R 中的另一個，我們創建了一個與data相同的對稱數據幀，但列倒置為phen1和phen2 。 然后我們使用xtabs得到一個相關矩陣並將對角線設置為 1。

data1 <- data.frame(phen1 = data$phen2, phen2 = data$phen1, cors = data$cors)  
df <- rbind(data, data1)
df1 <- as.data.frame.matrix(xtabs(cors ~ ., df))
diag(df1) <- 1
df1

#    A   B   C
#A 1.0 0.3 0.8
#B 0.3 1.0 0.7
#C 0.8 0.7 1.0

數據

phen1<-c("A","B","C")
phen2<-c("B","C","A")
cors<-c(0.3,0.7,0.8)
data<- data.frame(phen1, phen2, cors)

Answer 3

您可以為此使用 Matrix 包。 您擁有的是數據的稀疏表示，並且您希望將其轉換為密集（冗余）矩陣。

data <- data.frame(phen1, phen2, cors)

inds <- cbind(as.integer(data$phen1), as.integer(data$phen2))
inds <- t(apply(inds, 1, sort))

library(Matrix)
res <- sparseMatrix(i = inds[,1], 
             j = inds[,2], 
             x = data$cors,
             symmetric = TRUE)
#3 x 3 sparse Matrix of class "dsCMatrix"
#
#[1,] .   0.3 0.8
#[2,] 0.3 .   0.7
#[3,] 0.8 0.7 . 

res <- as.matrix(res)
diag(res) <- 1
dimnames(res) <- list(sort(data$phen1), sort(data$phen2))
res
#    A   B   C
#A 1.0 0.3 0.8
#B 0.3 1.0 0.7
#C 0.8 0.7 1.0

Answer 4

這是另一種選擇。

首先將數據從 long 重新整形為 Wide 並轉換為matrix 。 你有不同的選擇來做到這一點（ reshape2 、 tidyr等）； 在這里我使用tidyr::spread 。

library(tidyverse)
mat <- data %>% spread(phen2, cors) %>% column_to_rownames("phen1") %>% as.matrix()

然后我們分別從上三角矩陣和下三角矩陣填充缺失的NA值，並用1填充對角線。

mat[lower.tri(mat)] <- mapply(sum, mat[lower.tri(mat)], mat[upper.tri(mat)], na.rm = T)
mat[upper.tri(mat)] <- mat[lower.tri(mat)]
diag(mat) <- 1
mat
#    A   B   C
#A 1.0 0.3 0.8
#B 0.3 1.0 0.7
#C 0.8 0.7 1.0

Answer 5

您可以使用重塑庫。

library(reshape)
data <- melt(data)
your_mat <- cast(data, phen1 ~ phen2 )

輸出：

  phen1    A    B    C
1     A <NA>  0.3 <NA>
2     B <NA> <NA>  0.7
3     C  0.8 <NA> <NA>

您將 NA 的原因是因為您的輸入表中缺少許多組合。 為了避免這種情況，您需要一個這樣的輸入表：

  phen1 phen2 cors
1     A     B  0.3
2     B     C  0.7
3     C     A  0.8
4     A     C  0.8
5     B     A  0.3
6     C     B  0.7
7     A     A  1.0
8     B     B  1.0
9     C     C  1.0

Answer 6

已經有很多解決方案，但我會以另一種方式提出。 注意：我正在設置數據，以便cors是數字而不是原始數據框中的一個因素。

data <- data.frame(phen1, phen2, cors)

然后我們可以擴展缺少組合的數據框，然后使用reshape2::acast()將數據轉換為寬格式。

library(tidyverse)
library(reshape2)

data %>% 
  select(phen1 = phen2, phen2 = phen1, cors) %>%
  bind_rows(data) %>%
  acast(phen1 ~ phen2, fill = 1)

acast可以acast地讓您用一些其他指定值填充缺失值，在本例中為 1。

另外，查看corrr包，它可能可以更巧妙地做到這一點。

Answer 7

這是我寫的一個函數：

long2cormat <- function(xlong, x = "x", y = "y", r = "r") {
    # Takes some inspiration from https://stackoverflow.com/a/57904948/180892
    xlong <- xlong[,c(x, y, r)]
    names(xlong) <- c("x", "y", "r")
    
    data1 <- data.frame(x = xlong$x, y = xlong$y, r = xlong$r)    
    data2 <- data.frame(x = xlong$y, y = xlong$x, r = xlong$r)  
    df <- rbind(data1, data2)
    
    uv <- unique(c(df$x, df$y))
    df1 <- matrix(NA, nrow = length(uv), ncol = length(uv), dimnames = list(uv, uv))
    for (i in seq(nrow(df))) df1[df$x[i], df$y[i]] <- df$r[i]
    diag(df1) <- 1
    df1
}

要運行它，請執行以下操作：

xlong <- data.frame(phen1 = c("A","B","C"),
    phen2 = c("B","C","A"),
    cors = c(0.3,0.7,0.8))
long2cormat(xlong, "phen1", "phen2", "cors")

重要的是，對於我自己的用例，它將缺失的相關性保留為 NA。