Question

我正在实施k-Means。这是我的主要数据结构：

dt1是一个带有{Filename，featureVector，GroupItBelongsTo}的Data.table

dt1<- data.table(Filename=files[1:limit],Vector=list(),G=-1)
setkey(dt1,Filename)

featureVector是一个列表。它有与出现相关的单词，我使用这一行添加每个单词的出现：

featureVector[[item]] <- emaildt[email==item]$N

拨打dt1时，我的控制台的典型摘录是。

   Filename                          Vector          G
1: 000057219a473629b53d33cfedef590f.txt 1,1,1,1,1,1, 3
2: 00007afb5a5e467a39e517ae87e7fad5.txt 0,0,0,0,0,0, 3
3: 000946d248fdb1d5d05c59a91b00e8f2.txt 0,0,0,0,0,0, 3
4: 000bea8dc6f716a2cac6f25bdbe09073.txt 0,0,0,0,0,0, 3

我现在想为每个组号计算新的质心。 含义我想要将位置1上的所有向量位置相加，[2]等等。直到结束，之后 - 将它们全部平均。

示例：v1 = [1,1,1]，v2 = [2,2,2]，我希望质心为= c1 = [1,5; 1,5; 1,5]

我试图做到：sapply（dt1 [tt] $ Vector，意思）（也尝试用“sum”）并且它总和并且“意味着”逐行（在每个向量内），而不是列式（每个n-我喜欢这样做。

怎么做？

====更新，回答评论中的问题====

> head(dt1)

       Filename                         Vector       G
1: 000057219a473629b53d33cfedef590f.txt 1,1,1,1,1,1, 1
2: 00007afb5a5e467a39e517ae87e7fad5.txt 0,0,0,0,0,0, 1
3: 000946d248fdb1d5d05c59a91b00e8f2.txt 0,0,0,0,0,0, 3
4: 000bea8dc6f716a2cac6f25bdbe09073.txt 0,0,0,0,0,0, 4
5: 000fcfac9e0a468a27b5e2ad0f78d842.txt 0,0,0,0,0,0, 1
6: 00166a4964d6c939f8f62280b85e706d.txt 0,0,0,1,0,0, 1
> class(dt1)
[1] "data.table" "data.frame"
>

键入dt1$Vector给出（我只复制了一个小样本，它有更多的单词，但它们看起来都一样）：

[[1]]
homosexuality       articles         church         people       interest 
         1              1              1              1              1 
    thread          email           send        warning          worth 
         1              1              1              1              1

这是class（）输出

> class(dt1$Vector)
[1] "list"

输入时的屏幕截图：

 A<-as.matrix(t(as.data.frame(dt1$Vector)))

Result of the head of (A), where A is as.matrix(t(as.data.frame(dt1$Vector)))

class(dt1$Vector[[1]])的结果：

[1] "numeric"

Answer 1

首先，（强制性的）您可以考虑使用R函数kmeans来进行k-means聚类。如果您喜欢自己滚动，可以按如下方式轻松计算数据表的质心。首先，我将构建一些看起来像你的随机数据：

> set.seed(123)
> dt<-data.table(name=LETTERS[1:20],replicate(5,sample(0:4,20,T)),G=sample(3,20,T))
> head(dt)
   name V1 V2 V3 V4 V5 G
1:    A  1  4  0  3  1 2
2:    B  3  3  2  0  3 1
3:    C  2  3  2  1  2 2
4:    D  4  4  1  1  3 3
5:    E  4  3  0  4  0 2
6:    F  0  3  0  2  2 3

质心可以用一行计算：

> dt[,lapply(.SD[,-1,with=F],mean),by=G]
   G       V1       V2   V3       V4       V5
1: 2 2.375000 2.250000 1.25 2.125000 2.250000
2: 1 2.800000 2.400000 2.40 1.800000 1.400000
3: 3 1.714286 2.428571 1.00 2.142857 1.857143

如果您要这样做，您可能希望从数据表中删除名称（暂时），在这种情况下您可以这样做：

> dt2<-copy(dt)
> dt2$name<-NULL
> dt2[,lapply(.SD,mean),by=G]
   G       V1       V2   V3       V4       V5
1: 2 2.375000 2.250000 1.25 2.125000 2.250000
2: 1 2.800000 2.400000 2.40 1.800000 1.400000
3: 3 1.714286 2.428571 1.00 2.142857 1.857143

编辑：@Roland建议的更好的方法是使用.SDcols：

dt[,lapply(.SD,mean),by=G,.SDcols=2:6]

计算data.table中向量的平均值

1 个答案: