#r #matrix #categories #transformation
#r #матрица #Категории #преобразование
Вопрос:
У меня есть матрица (A), содержащая 211 строк и 6 столбцов (по одному за период времени), и другая матрица (B), содержащая 211 строк и 2 столбца, вторая из которых содержит категориальную информацию (1-9).
Моя цель — создать новую матрицу (C), где каждое значение в матрице A представляет собой значение (A), деленное на среднее значение (значение (A) по категории (B)). Мне удалось вычислить средние значения для каждой категории для каждого столбца с помощью агрегатной функции. Они хранятся в отдельном фрейме данных column_means, причем каждая временная волна находится в отдельном столбце. Это также содержит информацию о группе в column_means[,1] .
Я не понимаю, как действовать дальше, и ищу элегантное решение, чтобы я мог перенести эти знания в будущие проекты (и, возможно, улучшить свой существующий код). Я предполагаю, что решение скрыто где-то в dplyr и довольно просто, как только вы это узнаете.
Спасибо за любые предложения.
Пример данных:
##each column here represents a wave:
initialmatrix <- structure(c(0.882647671948723, 0.847932241438909, 0.753052308699317,
0.754977233408875, NA, 0.886095543329695, 0.849625252682829,
0.78893884364632, 0.77111113840682, NA, 0.887255207679895, 0.851503493865384,
0.812107856411831, 0.793982699495818, NA, 0.885212452552841,
0.854894065774315, 0.815265718290737, 0.806766276556325, NA,
0.882027335190646, 0.85386634818439, 0.818052477777012, 0.815997781565393,
NA, 0.88245957310107, 0.855819521951304, 0.830425687228663, 0.820857689847061,
NA), .Dim = 5:6, .Dimnames = list(NULL, c("V1", "V2", "V3", "V4",
"V5", "V6")))
##the first column is unique ID, the 2nd the category:
categories <- structure(c(1L, 2L, 3L, 4L, 5L, 2L, 1L, 2L, 2L, 4L), .Dim = c(5L,
2L), .Dimnames = list(NULL, c("V1", "V2")))
##the first column represents the category, column 1-6 the mean per category for each corresponding wave in "initialmatrix"
column.means <- structure(list(Group.1 = 1:5, x = c(0.805689153058216, 0.815006230419524,
0.832326976776262, 0.794835253329865, 0.773041961434791), asset_means_2...2. = c(0.80050960343197,
0.81923553710203, 0.833814773618545, 0.797834687980729, 0.780028077018158
), asset_means_3...2. = c(0.805053341257357, 0.828691564900149,
0.833953165695685, 0.799381078569563, 0.785813047374534), asset_means_4...2. = c(0.806116664276125,
0.832439754757116, 0.835982197159582, 0.801702200401293, 0.788814840753852
), asset_means_5...2. = c(0.807668548993891, 0.83801834926905,
0.836036508152776, 0.803433961863399, 0.79014026195926), asset_means_6...2. = c(0.808800359101212,
0.840923947682599, 0.839660313992458, 0.804901773257962, 0.793165113115977
)), row.names = c(NA, 5L), class = "data.frame")
Комментарии:
1. Можете ли вы добавить минимальный пример (данные, код, который вы пробовали и т. Д.), Чтобы сделать вашу проблему воспроизводимой?
2. Конечно, Маркус — извините, я думал, что проблема достаточно проста, но, оглядываясь назад, воспроизводимые примеры всегда являются более разумным выбором. Как я уже сказал, я не знаю, как действовать дальше — я с трудом могу найти способ начать решение проблемы, поэтому мне придется разочаровать вас в отношении кода, который я пробовал до сих пор, хотя я все еще занимаюсь исследованиями, пока мы говорим.
3. Есть ли у вас причина использовать матрицы вместо фреймов данных? Кажется, что если бы вы начали с одного фрейма данных из 7 столбцов, это можно было бы легко решить с помощью dplyr.
4. Я открыт для решения с использованием df и dplyr, Ламия — конечно! Я просто преобразовываю их обратно сразу после. Причина, по которой я использую матрицы, заключается в том, что библиотека, которую я использую (RSiena), требует, чтобы формат матрицы считывался в ковариатах.
5. Если я правильно понимаю, у вас есть 3 категории: 1,2 и 4. Так, например, для категории 2, которая имеет 3 строки, что вы хотите, чтобы нормализовать значение (0.8826477) в col 1 строка 1 в A by? Другими словами, каков ваш ожидаемый результат?
Ответ №1:
Это то, что вы пытаетесь сделать?
options(digits=3)
divisor <- column.means[categories[, 2], -1]
divisor
# x asset_means_2...2. asset_means_3...2. asset_means_4...2. asset_means_5...2. asset_means_6...2.
# 2 0.815 0.819 0.829 0.832 0.838 0.841
# 1 0.806 0.801 0.805 0.806 0.808 0.809
# 2.1 0.815 0.819 0.829 0.832 0.838 0.841
# 2.2 0.815 0.819 0.829 0.832 0.838 0.841
# 4 0.795 0.798 0.799 0.802 0.803 0.805
initialmatrix/divisor
# x asset_means_2...2. asset_means_3...2. asset_means_4...2. asset_means_5...2. asset_means_6...2.
# 2 1.083 1.082 1.071 1.063 1.053 1.049
# 1 1.052 1.061 1.058 1.061 1.057 1.058
# 2.1 0.924 0.963 0.980 0.979 0.976 0.988
# 2.2 0.926 0.941 0.958 0.969 0.974 0.976
# 4 NA NA NA NA NA NA
Комментарии:
1. Спасибо — это сработало безупречно. Пока я использую это решение.
Ответ №2:
Это похоже на работу для Superma … нет, подождите … map2 .
library(dplyr)
library(purrr)
as_tibble(initialmatrix) %>%
mutate(category = as.double(as_tibble(categories)$V2),
across(starts_with('V'),
~ unlist(map2(., category, ~ .x/mean(c(.x, .y)))))) %>%
select(-category)
# V1 V2 V3 V4 V5 V6
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 0.612 0.614 0.615 0.614 0.612 0.612
# 2 0.918 0.919 0.920 0.922 0.921 0.922
# 3 0.547 0.566 0.578 0.579 0.581 0.587
# 4 0.548 0.557 0.568 0.575 0.580 0.582
# 5 NA NA NA NA NA NA
Комментарии:
1. Спасибо, rjen. К сожалению, я получаю следующую ошибку: `Ошибка: проблема с
mutate()вводом..2. x отображенные векторы должны иметь согласованную длину: *.xимеет длину 211 *.yимеет длину 422 ℹ Ввод..2across(...). Теперь, очевидно, 422 в два раза больше, чем 211, поэтому я предполагаю, что это умножает категории * на количество столбцов (2)? Также спасибо за предложение функции map2. Удобный материал, я вчитываюсь в него.2. @SteffenT: Добро пожаловать. Мое решение работает для меня последовательно, когда я использую данные примера. 1) Работает ли мое решение с примерами данных на вашем конце? 2) Если да, я думаю, нам следует искать расхождения между вашими данными и данными примера, которые вы предоставили.
3. Это работает с примером, так что действительно, должны быть расхождения. ответ dcarlsons (выше) сработал для меня, поэтому я оставлю это на этом, но буду читать в map2, когда столкнусь с другими подобными проблемами. Еще раз спасибо!