作者sinclairJ (SunnyGymBoy)
看板R_Language
標題[問題] 依序比對變數產生新資料
時間Sun Aug 2 23:03:29 2015
問題一
[問題類型]:
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
[軟體熟悉度]:
新手(沒寫過程式，R 是我的第一次)
目前較懂得用packages做分析 但對於資料預處理還是不太熟悉
[問題敘述]:
我要怎麼找出該欄的最小三個值所對應之"列樣本"
[程式範例]:
#資料產生
sample1=sample(1:3,100,replace=T)
sample2=sample(1:3,100,replace=T)
sample3=sample(1:3,100,replace=T)
sample4=sample(1:3,100,replace=T)
sample5=sample(1:3,100,replace=T)
data=as.data.frame(rbind(sample1,sample2,sample3,sample4,sample5))
#轉成類別型資料
for(i in 1:ncol(data)) data[,i]=as.factor(data[,i])
#計算樣本與樣本間相似程度,m表示距離矩陣,數值越小表示越相似
n=nrow(data)
m=matrix(nrow=n,ncol=n)
for(i in seq_len(n - 1))
for(j in seq(i, n))
m[j, i]=m[i, j]=sum(data[i,] != data[j,])
#m的輸出會長這樣,其中col1代表sample1,以此類推
col1 col2 col3 col4 col5
1 0 25 65 56 24
2 58 0 45 23 84
3 65 73 0 77 36
4 21 53 43 0 71
5 25 36 68 74 NA
問題：我要找col1中最小的兩個值之樣本，也就是4和5，有什麼語法可供參考嗎?
因為如果用which.min(data[,1])的話，只會得到4
問題二
[問題類型]:
*[1;30;40m
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
*[m
[軟體熟悉度]:
*[1;30;40m請把以下不需要的部份刪除
新手(沒寫過程式，R 是我的第一次)*[m
[問題敘述]:
*[1;30;40m請簡略描述你所要做的事情，或是這個程式的目的*[m
現有三個樣本，每個樣本有100個變數，所以維度是3*100
我想依序比對這三個樣本之變數來產生第四個樣本(圖示a)
在產生的過程中 該變數以多數決的方式產生第四個樣本之變數(圖示b)
若遇到無法以多數決的方式產生之情況(圖示c)
就截至比對目前結果為止，找出三個樣本哪個與第四個樣本最接近
並根據此樣本的值去產生該變數(說明d)
a.
V1 V2 V3 V4 V5 V6 V7 ... ... V100
sample1 1 3 2 3 1 3 2 ... ... 1
sample2 3 2 1 3 2 1 3 ... ... 1
sample3 1 3 2 3 1 3 1 ... ... 2
sample4 1 3 2 3 1 3 2 ... ... 1
b.(以V1為例)
V1 V2 V3 V4 V5 V6 V7 ... ... V100
sample1 "1" 3 2 3 1 3 2 ... ... 1
sample2 3 2 1 3 2 1 3 ... ... 1
sample3 "1" 3 2 3 1 3 1 ... ... 2
sample4 1 3 2 3 1 3 2 ... ... 1
c.(以V7為例)
V1 V2 V3 V4 V5 V6 V7 ... ... V100
sample1 1 3 2 3 1 3 "2" ... ... 1
sample2 3 2 1 3 2 1 "3" ... ... 1
sample3 1 3 2 3 1 3 "1" ... ... 2
sample4 1 3 2 3 1 3 2 ... ... 1
d.
因為到V7卡住，所以先對Sample1到Sample4(V1~V6)算一次相似程度
計算的方式與問題一相同，所以比對程序截至到V6，此時的距離矩陣為
col1 col2 col3 col4
1 0 5 0 0
2 5 0 5 5
3 0 5 0 0
4 0 5 0 NA
(情況1)從結果可知 第四個樣本(col4)與第一與第三個樣本較相似
此時可根據第一與第三個樣本的V7，第四個樣本的V7可任意填入2或1
(情況2)
col1 col2 col3 col4
1 0 5 0 0
2 5 0 5 5
3 0 5 0 "1"
4 0 5 0 NA
如果今天算出來的距離矩陣是這樣 就可以很確定第四個樣本的V7要填入2
[程式範例]:
sample1=sample(1:3,100,replace=T)
sample2=sample(1:3,100,replace=T)
sample3=sample(1:3,100,replace=T)
data=as.data.frame(rbind(sample1,sample2,sample3))
接下來就請各位前輩多多提點一下了~感謝幫忙
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.184.161.128
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1438527811.A.57F.html
※ 編輯: sinclairJ (111.184.161.128), 08/02/2015 23:06:27
→ andrew43: 1. order(m$col1) 08/02 23:23
→ andrew43: 2. 有點複雜。沒有例外大概從眾數下手。 08/02 23:25
→ andrew43: 因為眾數不一定唯一或存在，所以看你眾數的例外處理如何 08/02 23:26
→ andrew43: 才能再繼續寫下去。 08/02 23:27
→ andrew43: 可以從table(foo)來檢查foo的頻率，這大概是第一步。 08/02 23:28
→ sinclairJ: 因為只會用三個樣本去生成一個樣本 所以我目前想到的 08/02 23:30
→ sinclairJ: 處理方式就是情況1與情況2 嗚嗚 08/02 23:30
→ andrew43: 另外我覺得先不要看多個變數。一次解一個變數，再套用。 08/02 23:31
→ sinclairJ: 哦~從變數的角度下去看就是了 謝謝a大建議 我在想想~ 08/02 23:36
→ celestialgod: 1. 建議你的m 對角線都變更成NA 08/02 23:41
→ celestialgod: 不然你的order取下去可能有問題 08/02 23:42
→ sinclairJ: 目前想到用recode 但會把將非對角線的0也取代 08/02 23:53
→ celestialgod: library(Matrix)沒用到 08/02 23:54
→ sinclairJ: library(car);recode(m,"0=NA") 08/02 23:54
→ celestialgod: 你如果遇到有0個相等怎麼辦？ 08/02 23:55
→ sinclairJ: 沒有一定要找一模一樣的 就找距離最小的 所以如果 08/02 23:59
→ sinclairJ: 第四個樣本所對應第一,二及三的距離為 11,20,5(舉例) 08/03 00:00
→ sinclairJ: 那就以第三個樣本為基準去填補第四個樣本之該變數 08/03 00:00
→ celestialgod: 我的意思是你用recode會有問題 08/03 00:06
→ celestialgod: 如果你要用那個距離矩陣算order的話 08/03 00:07
→ celestialgod: 第二個問題只要算一行的相似矩陣，不建議算整個矩陣 08/03 00:08
→ sinclairJ: 哦 了解了 謝C大提醒 08/03 00:15
→ celestialgod: 還有一件事，你生成的資料，每一行的levels是不同， 08/03 00:19
→ celestialgod: 計算相等會有問題... 08/03 00:19
→ sinclairJ: 如果轉成as.character會能解決嗎? 08/03 00:20
→ celestialgod: 當然我連結的生成方式也是有問題 08/03 00:20
→ celestialgod: 可以解決 08/03 00:20
→ celestialgod: 建議不要factor了，直接用character或是int做 08/03 00:21
→ sinclairJ: OK~謝C大提醒 08/03 00:23
→ sinclairJ: 有參考網路上這個寫法，能取出每個column的眾數，不過 08/03 20:58
→ sinclairJ: 遇到該col是0,1,2的時候就會掛掉，請問該怎麼在functio 08/03 20:59
→ sinclairJ: n裡加入條件式比較好? 08/03 20:59
→ celestialgod: 直接在>1那裏改就好 08/03 21:20
→ celestialgod: 我不知道你距離相等怎麼做，我直接幫你設定隨機抽 08/03 21:42
→ celestialgod: 最後再去改算不出mode的部分，會比較有效率 08/03 21:45
→ sinclairJ: 有try了一下 目前尚未遇到問題 謝謝C大幫忙 08/04 01:32
→ sinclairJ: 會問題在推文詢問你了~感謝! 08/04 01:32