Сравнение результатов кластеризации в R [dубликат]
У меня есть кадр данных (all_data), в котором у меня есть список сайтов (от 1 ... до n) и их оценки, например
site score
1 10
1 11
1 12
4 10
4 11
4 11
8 9
8 8
8 7
Что я хочу сделать, это создать другой столбец в фрейме данных, который указывает каждый сайт в числовом порядке, например в приведенном выше примере от 1 до 3. Таким образом, all_data будет выглядеть так:
site score number
1 10 1
1 11 1
1 12 1
4 10 2
4 11 2
4 11 2
8 9 3
8 8 3
8 7 3
Я уверен, что это нужно легко решить, но я еще не нашел пути.
4 ответа
Вы можете превратить сайт в коэффициент, а затем вернуть числовые или целочисленные значения этого коэффициента:
dat <- data.frame(site = rep(c(1,4,8), each = 3), score = runif(9))
dat$number <- as.integer(factor(dat$site))
dat
site score number
1 1 0.5305773 1
2 1 0.9367732 1
3 1 0.1831554 1
4 4 0.4068128 2
5 4 0.3438962 2
6 4 0.8123883 2
7 8 0.9122846 3
8 8 0.2949260 3
9 8 0.6771526 3
Две другие опции:
1) Используя функцию .GRP из пакета data.table:
library(data.table)
setDT(dat)[, num := .GRP, by = site]
с примером набора данных ниже, это приводит к: [ ! d3]
> dat
site score num
1: 1 0.14945795 1
2: 1 0.60035697 1
3: 1 0.94643075 1
4: 8 0.68835336 2
5: 8 0.50553372 2
6: 8 0.37293624 2
7: 4 0.33580504 3
8: 4 0.04825135 3
9: 4 0.61894754 3
10: 8 0.96144729 2
11: 8 0.65496051 2
12: 8 0.51029199 2
1) Используя функцию group_indices из dplyr:
dat$num <- group_indices(dat, site)
или когда вы хотите работать с нестандартной оценкой :
library(dplyr)
dat %>%
mutate(num = group_indices_(dat, .dots = c('site')))
, что приводит к:
site score num
1 1 0.42480366 1
2 1 0.98736177 1
3 1 0.35766187 1
4 8 0.06243182 3
5 8 0.55617002 3
6 8 0.20304632 3
7 4 0.90855921 2
8 4 0.25215078 2
9 4 0.44981251 2
10 8 0.60288270 3
11 8 0.46946587 3
12 8 0.44941782 3
Как видно, dplyr дает другой порядок номеров групп.
[ ! d9]Если вы хотите получить еще один номер при каждом изменении группы, есть еще несколько опций:
1) с базой R:
# option 1:
dat$num <- cumsum(c(TRUE, head(dat$site, -1) != tail(dat$site, -1)))
# option 2:
x <- rle(dat$site)$lengths
dat$num <- rep(seq_along(x), times=x)
1 ) с пакетом data.table:
library(data.table)
setDT(dat)[, num := rleid(site)]
, которые все приводят к:
> dat
site score num
1 1 0.80817855 1
2 1 0.07881334 1
3 1 0.60092828 1
4 8 0.71477988 2
5 8 0.51384565 2
6 8 0.72011650 2
7 4 0.74994627 3
8 4 0.09564052 3
9 4 0.39782587 3
10 8 0.29446540 4
11 8 0.61725367 4
12 8 0.97427413 4
Используемые данные:
dat <- data.frame(site = rep(c(1,8,4,8), each = 3), score = runif(12))
Другое решение, использующее data.table :: frank ().
Пример с более полным набором данных, предоставленным Jaap:
setDT(dat)[, number := frank(site, ties.method = "dense")]
dat
site score number
1: 1 0.3107920 1
2: 1 0.3640102 1
3: 1 0.1715318 1
4: 8 0.7247535 3
5: 8 0.1263025 3
6: 8 0.4657868 3
7: 4 0.6915818 2
8: 4 0.3558270 2
9: 4 0.3376173 2
10: 8 0.7934963 3
11: 8 0.9641918 3
12: 8 0.9832120 3
Примечание: Это также работает, если сайт символ или коэффициент.
Это должно быть достаточно эффективным и понятным:
Dat$sitenum <- match(Dat$site, unique(Dat$site))