Próbuję zbudować kwadratową przyległość matrix
z data.table
. Oto powtarzalne przykładem tego, co już mam:Utwórz macierz kwadratowej przyległości z data.frame lub data.table
require(data.table)
require(plyr)
require(reshape2)
# Build a mock data.table
dt <- data.table(Source=as.character(rep(letters[1:3],2)),Target=as.character(rep(letters[4:2],2)))
dt
# Source Target
#1: a d
#2: b c
#3: c b
#4: a d
#5: b c
#6: c b
sry <- ddply(dt, .(Source,Target), summarize, Frequency=length(Source))
sry
# Source Target Frequency
#1 a d 2
#2 b c 2
#3 c b 2
mtx <- as.matrix(dcast(sry, Source ~ Target, value.var="Frequency", fill=0))
rownames(mtx) <- mtx[,1]
mtx <- mtx[,2:ncol(mtx)]
mtx
# b c d
#a "0" "0" "2"
#b "0" "2" "0"
#c "2" "0" "0"
Teraz, to jest bardzo zbliżony do tego, co chcę dostać, oprócz tego, że chciałbym, aby wszystkie węzły reprezentowane w obu wymiarach, jak:
a b c d
a 0 0 0 2
b 0 0 2 0
c 0 2 0 0
d 0 0 0 0
Należy zauważyć, że pracuję nad dość dużymi danymi, więc chciałbym znaleźć skuteczne rozwiązanie tego problemu.
Dziękuję za pomoc.
ROZWIĄZANIA (Edit):
Biorąc pod uwagę jakość oferowanych rozwiązań i wielkość moim zbiorze, ja benchmarkingowi wszystkie rozwiązania.
#The bench was made with a 1-million-row sample from my original dataset
library(data.table)
aa <- fread("small2.csv",sep="^")
dt <- aa[,c(8,9),with=F]
colnames(dt) <- c("Source","Target")
dim(dt)
#[1] 1000001 2
levs <- unique(unlist(dt, use.names=F))
length(levs)
#[1] 2222
Biorąc pod uwagę dane, sygnał wyjściowy jest 2222 * 2222 macierzy (2222 * 2223 są rozwiązania, w których pierwsza kolumna zawiera wierszowi nazwy również oczywiście dopuszczalne).
# Ananda Mahto's first solution
am1 <- function() {
table(dt[, lapply(.SD, factor, levs)])
}
dim(am1())
#[1] 2222 2222
# Ananda Mahto's second solution
am2 <- function() {
as.matrix(dcast(dt[, lapply(.SD, factor, levs)], Source~Target, drop=F, value.var="Target", fun.aggregate=length))
}
dim(am2())
#[1] 2222 2223
library(dplyr)
library(tidyr)
# Akrun's solution
akr <- function() {
dt %>%
mutate_each(funs(factor(., levs))) %>%
group_by(Source, Target) %>%
tally() %>%
spread(Target, n, drop=FALSE, fill=0)
}
dim(akr())
#[1] 2222 2223
library(igraph)
# Carlos Cinelli's solution
cc <- function() {
g <- graph_from_data_frame(dt)
as_adjacency_matrix(g)
}
dim(cc())
#[1] 2222 2222
a wynik benchmarku jest ...
library(rbenchmark)
benchmark(am1(), am2(), akr(), cc(), replications=75)
# test replications elapsed relative user.self sys.self user.child sys.child
# 1 am1() 75 15.939 1.000 15.636 0.280 0 0
# 2 am2() 75 111.558 6.999 109.345 1.616 0 0
# 3 akr() 75 43.786 2.747 42.463 1.134 0 0
# 4 cc() 75 46.193 2.898 45.532 0.563 0 0
Począwszy od 'sry', to inna kwestia związana jest/tak samo http://stackoverflow.com/q/9617348/1191259 – Frank
Pytanie jest powiązane, ale zdecydowanie nie jest takie samo. Miałem już taki wynik i zademonstrowałem to. Na podstawie danych z tego pytania, moim celem byłoby uzyskanie macierzy 5x5 o wymiarach "c (" a "," b "," c "," x "," y ")'. – Vongo