首页 文章

如何根据相关性生成分组变量？

提问于
浏览 次
0
library(magrittr)
 library(dplyr)
 V1 <- c("A","A","A","A","A","A","B","B","B","B", "B","B","C","C","C","C","C","C","D","D","D","D","D","D","E","E","E","E","E","E")
 V2 <- c("A","B","C","D","E","F","A","B","C","D","E","F","A","B","C","D","E","F","A","B","C","D","E","F","A","B","C","D","E","F")
 cor <- c(1,0.8,NA,NA,NA,NA,0.8,1,NA,NA,NA,NA,NA,NA,1,0.8,NA,NA,NA,NA,0.8,1,NA,NA,NA,NA,NA,NA,1,0.9)


 df <- data.frame(V1,V2,cor)

 # exclude rows where cor=NA
 df <- df[complete.cases(df)==TRUE,]

这是完整的数据帧，cor = NA表示小于0.8的相关性

df

   V1 V2 cor
1   A  A 1.0
2   A  B 0.8
7   B  A 0.8
8   B  B 1.0
15  C  C 1.0
16  C  D 0.8
21  D  C 0.8
22  D  D 1.0
29  E  E 1.0
30  E  F 0.9

在上面的df中，F不在V1中，意味着F不是感兴趣的

所以在这里我删除V2 = F的行（更一般地说，V2等于不在V1中的值）

V1.LIST <- unique(df$V1)
 df.gp <- df[which(df$V2 %in% V1.LIST),]

 df.gp

   V1 V2 cor
1   A  A 1.0
2   A  B 0.8
7   B  A 0.8
8   B  B 1.0
15  C  C 1.0
16  C  D 0.8
21  D  C 0.8
22  D  D 1.0
29  E  E 1.0

所以现在，df.gp是我需要处理的数据集

我将未使用的级别丢弃在V2中（在示例中为F）

df.gp$V2 <- droplevels(df.gp$V2)

我不想排除自相关变量，以防一些V1与其他变量没有关联，我想把它们分别放在一个单独的组中

通过观察cor，A和B是相关的，C和D是相关的，并且E本身属于一个组 .

因此，这里的例子应该有三组 .

r grouping correlation

1 回答

  • 0

    我看到这个的方式，通过将数据直接用于 data.frame ，您可能会遇到复杂的问题 . 我冒昧地将它转换回矩阵 .

    library(reshape2)
cormat <- as.matrix(dcast(data = df,formula = V1~V2))[,-1]
row.names(cormat) <- colnames(cormat)[-length(colnames(cormat))]
cormat

    在我得到相关矩阵之后，很容易看出哪些索引或非NA值与其他变量共享 .

    a <- apply(cormat, 1, function(x) which(!is.na(x)))
a <- data.frame(t(a))
a$var <- row.names(a)
row.names(a) <- NULL
a

  X1 X2 var
1  1  2   A
2  1  2   B
3  3  4   C
4  3  4   D
5  5  6   E

    现在 X1 或 X2 确定您的唯一分组 .

    cyrusjan编辑：

    假设我们已经选择 cor >= a 中的行，上面的脚本是一个可能的解决方案，其中 a 是上述问题中取为0.8的阈值 .

    供稿人：alexis_laz：

    通过使用 cutree 和 hclust ，我们可以将脚本中的阈值（即h = 0.8）设置为打击 .

    cor.gp <- data.frame(cor.gp =
      cutree(hclust(1 - as.dist(xtabs(cor ~ V1 + V2, df.gp))), h = 0.8))
    回复于

相关问题