Question

假设我将组的相异性/相似性定义为组成员与其平均值的绝对距离的平均值，并且我具有以下格式的数据：

ID  RecordNumber  Other_Record_Similarity
i1  r1            Avg(abs(r2-avg(r2,r3)),abs(r3-avg(r2,r3))
i1  r2            Avg(abs(r1-avg(r1,r3)),abs(r3-avg(r1,r3))
i1  r3            Avg(abs(r1-avg(r1,r2)),abs(r2-avg(r1,r2))

请建议我如何使用SQl / SAS / STATA / R计算上表中的Other_Record_Similarity。

谢谢！

Answer 1

这是通过转换为宽格式并使用行操作的一种通用方法：

library(reshape2)

# create sample data
data <- data.frame(ID = paste0("i", rep(1:5, each = 5)), RecordNumber = paste0("r", rep(1:5, 5)), Value = runif(25))

# convert to wide form
cast_data <- dcast(data, ID ~ RecordNumber, value.var = "Value")

# isolate values
set <- cast_data[, colnames(x) %in% data$RecordNumber]

# calculate similarity
out <- sapply(seq(set), function(k) rowMeans(abs(set[, -k] - rowMeans(set[, -k]))))

# format and convert back to long form
recast_data <- data.frame(cbind(cast_data$ID, out))
colnames(recast_data) <- colnames(cast_data)

final <- melt(recast_data, "ID", value.name = "Similarity", variable.name = "RecordNumber")
> final
    ID RecordNumber Similarity
1   1           r1 0.15866019
2   2           r1 0.11273444
3   3           r1 0.35175203
4   4           r1 0.25581895
5   5           r1 0.18711691
6   1           r2 0.17474599
7   2           r2 0.18542584
8   3           r2 0.28154138
9   4           r2 0.24019621
10  5           r2 0.20536817
11  1           r3 0.17782101
12  2           r3 0.16896563
13  3           r3 0.25620738
14  4           r3 0.14478319
15  5           r3 0.05033490
16  1           r4 0.17889032
17  2           r4 0.11219373
18  3           r4 0.24858994
19  4           r4 0.16687316
20  5           r4 0.20259905
21  1           r5 0.05547675
22  2           r5 0.16319309
23  3           r5 0.26891738
24  4           r5 0.22163225
25  5           r5 0.19568286

计算SQl中的其他记录相异度度量

1 个答案: