Question

我知道a little programming 允许转换固定维度的频率表，例如，通过table()，回到观察数据。所以目的是转换频率表，例如这个......

(flower.freqs <- with(iris,table(Petal=cut(Petal.Width,2),Species)))
          Species
Petal          setosa versicolor virginica
  (0.0976,1.3]     50         28         0
  (1.3,2.5]         0         22        50

...回到data.frame()，其行号对应于输入矩阵的数字之和，而单元格值是从输入维度获得的：

     Petal Species
1 (0.0976,1.3]  setosa
2 (0.0976,1.3]  setosa
3 (0.0976,1.3]  setosa
# ... (150 rows) ...

通过一些修补，我构建了一个粗略的原型，它也应该消化更高维度的输入：

tableinv <- untable <- function(x) {
    stopifnot(is.table(x))
    obs <- as.data.frame(x)[rep(1:prod(dim(x)),c(x)),-length(dim(x))-1]
    rownames(obs) <- NULL; obs
}

> head(tableinv(flower.freqs)); dim(tableinv(flower.freqs))
     Petal Species
1 (0.0976,1.3]  setosa
2 (0.0976,1.3]  setosa
3 (0.0976,1.3]  setosa
4 (0.0976,1.3]  setosa
5 (0.0976,1.3]  setosa
6 (0.0976,1.3]  setosa
[1] 150   2
> head(tableinv(Titanic)); nrow(tableinv(Titanic))==sum(Titanic)
  Class  Sex   Age Survived
1   3rd Male Child       No
2   3rd Male Child       No
3   3rd Male Child       No
4   3rd Male Child       No
5   3rd Male Child       No
6   3rd Male Child       No
[1] TRUE

我很自豪这个结合从高维频率表（例如data.frame()）重建多属性Titanic，但是有没有建立的（内置的，经过实战检验的）通用逆to table（），理想情况下是一个不依赖于特定库的，它知道如何处理未标记的维度，这是优化的，以便它不会阻塞大量输入，并合理地处理与因子对应的表输入以及非因素观察输入？

Answer 1

我相信你的解决方案非常好。无论如何，我解决这个问题的方式非常相似：

tableinv <- function(x){
      y <- x[rep(rownames(x),x$Freq),1:(ncol(x)-1)]
      rownames(y) <- c(1:nrow(y))
      return(y)}
survivors <- as.data.frame(Titanic)
surv.invtab <- tableinv(survivors)

产生

> head(surv.invtab)
  Class  Sex   Age Survived
1   3rd Male Child       No
2   3rd Male Child       No
3   3rd Male Child       No
4   3rd Male Child       No
5   3rd Male Child       No
6   3rd Male Child       No

关于鲜花的例子，使用上面定义的函数tableinv()，首先需要将数据转换为数据框：

flower.freqs <- with(iris,table(Petal=cut(Petal.Width,2),Species))
flower.freqs <- as.data.frame(flower.freqs)
flower.invtab <- tableinv(flower.freqs)

这种情况下的结果是

> head(flower.invtab)
         Petal Species
1 (0.0976,1.3]  setosa
2 (0.0976,1.3]  setosa
3 (0.0976,1.3]  setosa
4 (0.0976,1.3]  setosa
5 (0.0976,1.3]  setosa
6 (0.0976,1.3]  setosa

希望这有帮助。

Answer 2

在处理一维频率数据的特定情况下，有一种简单的方法。让我们举个例子：

mytable = table(mtcars$cyl)
####  4  6  8 
#### 11  7 14

一个简单的函数来检索扩展的数据：

InvTable = function(tb, random = TRUE){
  output = rep(names(tb), tb)
  if (random) { output <- base::sample(output, replace=FALSE) }
  return(output)
}
InvTable(mytable, T)
#### [1] "4" "8" "8" "4" "4" "6" "6" ...

这并不是用户的确切需求，但我认为在许多类似情况下这可能会很有帮助。请注意，结果是字符格式的，而这并不是我们总是需要的（因此，如果需要，请添加as.numeric）。

table（）函数是否有一般反转？

2 个答案: