对于只有因子列的给定数据框,我想列出数据中没有出现的最多 m
个属性的所有因子组合。下面是一个简单的例子:
d <- expand.grid(w=factor(1:2), x=factor(1:2), y=factor(1:2),
z=factor(1:2))
# These combinations are removed by tail():
rmcomb <- 5; head(d, rmcomb)
## w x y z
## 1 1 1 1 1
## 2 2 1 1 1
## 3 1 2 1 1
## 4 2 2 1 1
## 5 1 1 2 1
d <- tail(d, -rmcomb)
ftable(d, row.vars=c("w", "x"))
## y 1 2
## z 1 2 1 2
## w x
## 1 1 0 1 0 1
## 2 0 1 1 1
## 2 1 0 1 1 1
## 2 0 1 1 1
对于 m == 3
,我们考虑 d
中最多三个属性的所有 4 + 6 + 4 = 14 种组合:
m <- 3
library(plyr)
llply(
1:m,
function(i) combn(ncol(d), i, simplify=F)
) -> cc
unlist(cc, recursive=F) -> cc
length(cc)
## [1] 14
我们现在可以使用table
和use which
将选定的数据列制表。查找带零的条目:
llply(
cc,
function(cols) {
which(table(d[, cols]) == 0, arr.ind=T) -> z
colnames(z) <- names(d)[cols]
if (nrow(z) > 0) list(z) else NULL
}
) -> zz
unlist(zz, recursive=F)
## [[1]]
## y z
## 1 1 1
##
## [[2]]
## w x z
## 1 1 1 1
##
## [[3]]
## w y z
## 1 1 1 1
## 2 2 1 1
##
## [[4]]
## x y z
## 1 1 1 1
## 2 2 1 1
但是,上面结果中的项目 [[3]]
和 [[4]]
是多余的,因为它们被项目 [[1 ]]
(=没有观察到 y == 1
,z == 1
)。因此,解决方案应该是 (y,z) == (1,1); (w,x,z) == (1,1,1)
。
R 中是否有内置工具可以用更少的代码解决问题,也许包括删除冗余(=覆盖)元组?如果不是,您将如何删除上述代码的这些冗余项?
最佳答案
以下是您可以如何继续您的算法来挑选出这些序列。首先,让我们将您的列表转换为一个矩阵,并填充 NA。我发现这更容易处理,但我相信通过一些努力您也可以让它与列表一起工作:
m = as.matrix(rbind.fill(lapply(zz, as.data.frame)))
# y z w x
#[1,] 1 1 NA NA
#[2,] NA 1 1 1
#[3,] 1 1 1 NA
#[4,] 1 1 2 NA
#[5,] 1 1 NA 1
#[6,] 1 1 NA 2
现在让我们介绍一个函数,它会告诉我们 subseq
给出的矩阵的每一行是否是 seq
的“子序列”,这意味着它已经被 覆盖了code>seq
根据 OP 的定义:
is.subsequence = function(seq, subseq) {
comp = seq == t(subseq)
rowSums(t(is.na(comp) == is.na(seq) &
matrix(!(comp %in% FALSE), nrow = length(seq)))) == length(seq)
}
剩下的就是遍历矩阵并丢弃覆盖的序列。由于 OP 自动排列 zz
,我们可以从上到下执行此操作。
i = 1
while(i < nrow(m)) {
m = rbind(m[1:i,], tail(m, -i)[!is.subsequence(m[i,], tail(m, -i)),])
i = i+1
}
m
# y z w x
#[1,] 1 1 NA NA
#[2,] NA 1 1 1
如果你愿意,你可以返回列表:
apply(m, 1, na.omit)
关于r - 列出数据框中没有观察值的所有因素(相互作用)组合,直到给定维度,删除冗余,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18278578/