Question

编辑：一个相关的问题是How to move larger values close to matrix diagonal in a correlation matrix这个问题是关于在R

中实现相同的问题

给定矩阵（或R中的表格）

m <- matrix(c(5,25,8,4,2,10,20,3,1),ncol=3,byrow=TRUE)
colnames(m) <- c("L","M","H")
rownames(m) <- c("A","B","C")
tax <- as.table(m)
tax
   L  M  H
A  5 25  8
B  4  2 10
C 20  3  1

我想重新排列矩阵，使对角线元素最大。

R中有没有易于使用的功能？

Answer 1

matrix.sort <- function(matrix) {

    if (nrow(matrix) != ncol(matrix)) stop("Not diagonal")
    if(is.null(rownames(matrix))) rownames(matrix) <- 1:nrow(matrix)

    row.max <- apply(matrix,1,which.max)
    if(all(table(row.max) != 1)) stop("Ties cannot be resolved")

    matrix[names(sort(row.max)),]
}

Answer 2

我不认为Rohit Arora的解决方案完全可以满足您的要求，因为它将由上一行的最大值来主导。结果，实际上并不是在优化意义上最大化对角线。

我在其他地方找到了类似问题的答案，我认为这可能有用：

The application assignment to users

pMatrix.min <- function(A, B) { 
#finds the permutation P of A such that ||PA - B|| is minimum in Frobenius norm 
# Uses the linear-sum assignment problem (LSAP) solver in the "clue" package 

# Returns P%*%A and the permutation vector `pvec' such that 
# A[pvec, ] is the permutation of A closest to B 
    n <- nrow(A) 
    D <- matrix(NA, n, n) 
    for (i in 1:n) { 
        for (j in 1:n) { 
        D[j, i] <- (sum((B[j, ] - A[i, ])^2)) 
        }
    } 
    vec <- c(solve_LSAP(D)) 
    list(A=A[vec,], pvec=vec) 
} 

require(clue)  # need this package to solve the LSAP 

#An example
A <- matrix(sample(1:25, size=25, rep=FALSE),  5,  5) 

B <- diag(1, nrow(A)) # this choice of B maximizes the trace of permuted A 

X <- pMatrix.min(A,B) 

A  # original square matrix 

X$A  # permuted A such that its trace is maximum among all permutations

它使用匈牙利方法来优化矩阵A到目标矩阵B的重新排序。

NB这是我的第一篇文章，所以我不敢对上一个答案发表评论，但我希望这会有所帮助！

最大化R中的矩阵对角元素

2 个答案: