在R中將CSV轉換為稀疏矩陣的有效方法

Question

我有一個很大的csv文件（大約9100萬行，所以for循環在R中花費的時間太長）關鍵字之間的相似性，當我讀入data.frame時，它看起來像：

> df   
kwd1 kwd2 similarity  
a  b  1  
b  a  1  
c  a  2  
a  c  2 

這是一個稀疏列表，我想將其轉換為稀疏矩陣：

> myMatrix 
  a b c  
a . 1 2
b 1 . .
c 2 . .

我嘗試使用sparseMatrix（），但是將關鍵字名稱轉換為整數索引會花費太多時間。

謝謝你的幫助！

Answer 1

acast從reshape2包將很好地做到這一點。 有基本的R解決方案，但我發現語法要困難得多。

library(reshape2)
df <- structure(list(kwd1 = structure(c(1L, 2L, 3L, 1L), .Label = c("a", 
"b", "c"), class = "factor"), kwd2 = structure(c(2L, 1L, 1L, 
3L), .Label = c("a", "b", "c"), class = "factor"), similarity = c(1L, 
1L, 2L, 2L)), .Names = c("kwd1", "kwd2", "similarity"), class = "data.frame", row.names = c(NA, 
-4L))

acast(df, kwd1 ~ kwd2, value.var='similarity', fill=0)

  a b c
a 0 1 2
b 1 0 0
c 2 0 0
> 

---

使用Matrix包中的sparseMatrix ：

library(Matrix)
df$kwd1 <- factor(df$kwd1)
df$kwd2 <- factor(df$kwd2)

foo <- sparseMatrix(as.integer(df$kwd1), as.integer(df$kwd2), x=df$similarity)

> foo
3 x 3 sparse Matrix of class "dgCMatrix"


foo <- sparseMatrix(as.integer(df$kwd1), as.integer(df$kwd2), x=df$similarity, dimnames=list(levels(df$kwd1), levels(df$kwd2)))

> foo 

3 x 3 sparse Matrix of class "dgCMatrix"
  a b c
a . 1 2
b 1 . .
c 2 . .