代码之家 › 专栏 › 技术社区 › Mal_a

基于非零填充列组合创建组

Mal_a · 技术社区 · 7 年前

我很难解决这个问题。我将在示例的基础上对其进行最好的解释,让我们看看以下数据:

    order type_a type_b type_c type_d
1     1      0     50     10      0
2     2     10      0      0     80
3     3     15      0      0     35
4     4      0      0     30      0
5     5      0     20     40      0

和 dput :

data <- structure(list(order = c(1, 2, 3, 4, 5), type_a = c(0, 10, 15, 
0, 0), type_b = c(50, 0, 0, 0, 20), type_c = c(10, 0, 0, 30, 
40), type_d = c(0, 80, 35, 0, 0)), .Names = c("order", "type_a", 
"type_b", "type_c", "type_d"), row.names = c(NA, -5L), class = "data.frame")

我们可以看到第一列告诉我们订单号,其余的列告诉我们什么属于

我想创建一个新列来定义基于“订单描述”的组-->键入*列。例如,订单1&顺序5,我们有相同类型的*列,但不填充0值,因此它们属于同一组,顺序2和;3等。

   order type_a type_b type_c type_d   group
1     1      0     50     10      0 group_1
2     2     10      0      0     80 group_2
3     3     15     10      0     35 group_2
4     4      0      0     30      0 group_3
5     5      0     20     40      0 group_1

仅供参考,在我的真实数据中,我有4列以上的类型*-->大约有10-15个!

3 回复 | 直到 7 年前

Spacedman 7 年前

您的组由第2列到第5列中是否存在0来定义。测试0时,将真/假值折叠为一个字符串,您将得到每个组的唯一字符串。转换为因子:

> data$group = factor(apply(data[,2:5] ==0,1,paste,collapse=""))
> data
  order type_a type_b type_c type_d              group
1     1      0     50     10      0 TRUEFALSEFALSETRUE
2     2     10      0      0     80 FALSETRUETRUEFALSE
3     3     15      0      0     35 FALSETRUETRUEFALSE
4     4      0      0     30      0  TRUETRUEFALSETRUE
5     5      0     20     40      0 TRUEFALSEFALSETRUE

现在名称很难看,所以更改级别:

> class(data$group)
[1] "factor"
> levels(data$group)=paste("group_",1:length(levels(data$group)))
> data
  order type_a type_b type_c type_d    group
1     1      0     50     10      0 group_ 2
2     2     10      0      0     80 group_ 1
3     3     15      0      0     35 group_ 1
4     4      0      0     30      0 group_ 3
5     5      0     20     40      0 group_ 2

如果所有这些大写的TRUEFALSE都伤害了你的眼睛,那么一个简单的修复程序将生成一个整洁的二进制数:

> data$group = factor(apply(0+(data[,2:5] ==0),1,paste,collapse=""))
> data
  order type_a type_b type_c type_d group
1     1      0     50     10      0  1001
2     2     10      0      0     80  0110
3     3     15      0      0     35  0110
4     4      0      0     30      0  1101
5     5      0     20     40      0  1001

Wimpel 7 年前

数据表解决方案

library(data.table)

setDT(data)[, id := .GRP, by = list( do.call(paste0, c( data.frame( data[,2:5] != 0 ) ) ) ) ][, id := paste0( "Group_", id)][]

#    order type_a type_b type_c type_d      id
# 1:     1      0     50     10      0 Group_1
# 2:     2     10      0      0     80 Group_2
# 3:     3     15      0      0     35 Group_2
# 4:     4      0      0     30      0 Group_3
# 5:     5      0     20     40      0 Group_1

Brandon Bertelsen 7 年前

set.seed(42)
cols <- grep("type_", names(d))
d$group <- kmeans(d[cols], 4)$cluster
# d$group <- paste0("group_", d$group)

k-means聚类的本质是“总是”0列往往对结果有很强的分类效果。

1) 我们使用 grep 标识列,因为如果数据的形状不同或位置发生变化,则对列名使用数字引用会导致将来出现问题。其他人查看您的代码时,它的可读性也更高。

2) 我们应该避免使用变量名 data