r - 如何在R中自动处理矩阵(数据框)

Question

我有一个 41x41 的相似矩阵(或数据框)，如下所示(我在附件中附上了完整版本):

     V1    V2      V3      V4      V5      V6
 V1   1    0.068   0.211   0.285   0.198   0.047
 V2  0.068   1     0.851   0.450   0.277   0.014
 V3  0.211  0.851     1    0.660   0.420   0.113
 V4  0.285  0.450  0.660      1    0.896   0.466
 V5  0.198  0.277  0.420    0.896    1     0.241
 V6  0.047  0.014  0.113    0.466   0.241     1

我想为每个向量(Vx)建立一个推荐列表，首先是最相似的，最后是不同的。所以我想我需要提取两列(或两行)，按减少对值进行排序，然后提取列名。
但是，当我尝试自动选择列时，它不起作用。

ms<-readLines("E:/exp/ccsm.txt", encoding = "UTF-8")
d = as.data.frame(ms)
for(dcol in 2:length(ms))
 {
   temp<-d[,c(1,dcol)]
   nlist<-temp[order(d[,dcol], decreasing=T)]
   lname<-nlist[,1]
 }
Show Traceback
Rerun with Debug
Error in `[.data.frame`(d, , c(1, dcol)) : undefined columns selected

似乎变量不能是列/行号？但是可能有一个更大的相似矩阵需要处理。如果它不能通过某种循环实现，那将是一场灾难。
我想知道你是否可以给我一些解决这个问题的建议。如果您能在方便时尽早回复，我将不胜感激。期待您的回音。

Answer 1

在我看来，您的主要问题是您没有将文件正确读入 data.frame。

我将您的样本数据保存到 ccsm.txt在我的 R session 的密码中，然后运行以下命令:

ms <- readLines('ccsm.txt',encoding='UTF-8');
ms;
## [1] "     V1    V2      V3      V4      V5      V6"
## [2] " V1   1    0.068   0.211   0.285   0.198   0.047"
## [3] " V2  0.068   1     0.851   0.450   0.277   0.014"
## [4] " V3  0.211  0.851     1    0.660   0.420   0.113"
## [5] " V4  0.285  0.450  0.660      1    0.896   0.466"
## [6] " V5  0.198  0.277  0.420    0.896    1     0.241"
## [7] " V6  0.047  0.014  0.113    0.466   0.241     1"
d <- as.data.frame(ms);
d;
##                                                 ms
## 1         V1    V2      V3      V4      V5      V6
## 2  V1   1    0.068   0.211   0.285   0.198   0.047
## 3  V2  0.068   1     0.851   0.450   0.277   0.014
## 4  V3  0.211  0.851     1    0.660   0.420   0.113
## 5  V4  0.285  0.450  0.660      1    0.896   0.466
## 6  V5  0.198  0.277  0.420    0.896    1     0.241
## 7   V6  0.047  0.014  0.113    0.466   0.241     1
names(d);
## [1] "ms"
dim(d);
## [1] 7 1
sapply(d,class);
##       ms
## "factor"

如您所见，您的 readLines() / as.data.frame() 调用产生了一个 7 x 1 的 data.frame，它的单列由文件中原始文本行的一个因子组成。

相反，您需要使用 read.table() (还有其他选项，例如 fread() 来自 data.table ):

d <- read.table('ccsm.txt');
d;
##       V1    V2    V3    V4    V5    V6
## V1 1.000 0.068 0.211 0.285 0.198 0.047
## V2 0.068 1.000 0.851 0.450 0.277 0.014
## V3 0.211 0.851 1.000 0.660 0.420 0.113
## V4 0.285 0.450 0.660 1.000 0.896 0.466
## V5 0.198 0.277 0.420 0.896 1.000 0.241
## V6 0.047 0.014 0.113 0.466 0.241 1.000
names(d);
## [1] "V1" "V2" "V3" "V4" "V5" "V6"
dim(d);
## [1] 6 6
sapply(d,class);
##        V1        V2        V3        V4        V5        V6
## "numeric" "numeric" "numeric" "numeric" "numeric" "numeric"

不幸的是，您的代码仍然不起作用:

for (dcol in 2:length(ms)) {
    temp <- d[,c(1,dcol)];
    nlist <- temp[order(d[,dcol],decreasing=T)];
    lname <- nlist[,1];
};
## Error in `[.data.frame`(temp, order(d[, dcol], decreasing = T)) :
##   undefined columns selected

这里有两个问题。一、ms包含来自文件的原始文本行，编号为 7，因为包含标题行。但是文件中只有 6 行。因此d[,c(1,dcol)]当 dcol 时会失败达到 7。

但是dcol永远不会达到 7，因为在第一次迭代中 temp[order(d[,dcol],decreasing=T)]失败。这是因为 temp是一个 data.frame，因为它是从 d 的两列切片中分配的.但是您正在索引 temp使用单个参数，它索引基础列表，它只有两个组件。 order()的返回值call 由整数 1 到 6 组成，因为它对 d 的列进行操作(并且在 d 中有 6 行)，因此整数 3 到 6 都超出了 temp 下的二元列表的范围数据框。

这是我计算所需输出的方法:

apply(d,1,order,decreasing=T);
##      V1 V2 V3 V4 V5 V6
## [1,]  1  2  3  4  5  6
## [2,]  4  3  2  5  4  4
## [3,]  3  4  4  3  3  5
## [4,]  5  5  5  6  2  3
## [5,]  2  1  1  2  6  1
## [6,]  6  6  6  1  1  2

如果你想要推荐向量的名称，而不是索引，你可以这样做:

apply(d,1,function(x) names(d)[order(x,decreasing=T)]);
##      V1   V2   V3   V4   V5   V6
## [1,] "V1" "V2" "V3" "V4" "V5" "V6"
## [2,] "V4" "V3" "V2" "V5" "V4" "V4"
## [3,] "V3" "V4" "V4" "V3" "V3" "V5"
## [4,] "V5" "V5" "V5" "V6" "V2" "V3"
## [5,] "V2" "V1" "V1" "V2" "V6" "V1"
## [6,] "V6" "V6" "V6" "V1" "V1" "V2"

如果你不喜欢第一行，因为它必然总是将“自我”向量排在最高的位置，你可以用 ...[-1,] 索引它。 .