R: 使用成对组合更新邻接矩阵/数据帧

问题

假设我有这个数据帧:

# mock data set
df.size = 10
cluster.id<- sample(c(1:5), df.size, replace = TRUE)
letters <- sample(LETTERS[1:5], df.size, replace = TRUE)
test.set <- data.frame(cluster.id, letters)

将类似于:

     cluster.id letters
        <int>  <fctr>
 1          5       A
 2          4       B
 3          4       B
 4          3       A
 5          3       E
 6          3       D
 7          3       C
 8          2       A
 9          2       E
10          1       A

现在,我想将它们按集群分组。id并查看在集群中可以找到什么类型的字母,例如 cluster 3 包含字母 A,E,D,C A,A e、 g.): A,E ; A,D, A,C etc. 然后我想在邻接矩阵/数据帧中更新这些组合的成对距离。

主意

# group by cluster.id
# per group get all (unique) pairwise combinations for the letters (excluding pairwise combinations with itself, e.g. A,A)
# update adjacency for each pairwise combinations

我试过的

# empty adjacency df
possible <- LETTERS
adj.df <- data.frame(matrix(0, ncol = length(possible), nrow = length(possible)))
colnames(adj.df) <- rownames(adj.df) <- possible


# what I tried
update.adj <- function( data ) {
  for (comb in combn(data$letters,2)) {
    # stucked
  }
}

test.set %>% group_by(cluster.id) %>% update.adj(.)

可能有一种简单的方法可以做到这一点,因为我一直看到邻接矩阵,但我无法计算出来。。如果不清楚,请告诉我

回复评论
回答@Manuel Bickel: 对于我作为示例给出的数据(“will”下的表类似于): 该矩阵将为-->Z对于完整的数据集,请记住这一点。

  A B C D E
A 0 0 1 1 2
B 0 0 0 0 0
C 1 0 0 1 1
D 1 0 1 0 1
E 2 0 1 1 0

我会解释我做了什么:

    cluster.id letters
        <int>  <fctr>
 1          5       A
 2          4       B
 3          4       B
 4          3       A
 5          3       E
 6          3       D
 7          3       C
 8          2       A
 9          2       E
10          1       A

只有包含更多>1个唯一字母是相关的(因为我们不希望与自身组合,例如簇1只包含字母B,因此它会导致组合 B,B 因此不相关):

 4          3       A
 5          3       E
 6          3       D
 7          3       C
 8          2       A
 9          2       E

现在,我寻找每个集群可以进行哪些成对组合:

集群3 :

A,E
A,D
A,C
E,D
E,C
D,C

更新邻接矩阵中的这些组合:

    A B C D E
    A 0 0 1 1 1
    B 0 0 0 0 0
    C 1 0 0 1 1
    D 1 0 1 0 1
    E 2 0 1 1 0

然后转到下一个群集

集群2

A、 E

再次更新邻接矩阵:

 A B C D E
A 0 0 1 1 2 <-- note the 2 now
B 0 0 0 0 0
C 1 0 0 1 1
D 1 0 1 0 1
E 2 0 1 1 0

作为对庞大数据集的反应

library(reshape2)

test.set <- read.table(text = "
                            cluster.id   letters
                       1          5       A
                       2          4       B
                       3          4       B
                       4          3       A
                       5          3       E
                       6          3       D
                       7          3       C
                       8          2       A
                       9          2       E
                       10          1       A", header = T, stringsAsFactors = F)

x1 <- reshape2::dcast(test.set, cluster.id ~ letters)

x1
#cluster.id A B C D E
#1          1 1 0 0 0 0
#2          2 1 0 0 0 1
#3          3 1 0 1 1 1
#4          4 0 2 0 0 0
#5          5 1 0 0 0 0

x2 <- table(test.set)

x2
#          letters
#cluster.id A B C D E
#         1 1 0 0 0 0
#         2 1 0 0 0 1
#         3 1 0 1 1 1
#         4 0 2 0 0 0
#         5 1 0 0 0 0


x1.c <- crossprod(x1)
#Error in crossprod(x, y) : 
#  requires numeric/complex matrix/vector arguments

x2.c <- crossprod(x2)
#works fine