按用户ID

Question

我试图寻找答案但找不到答案：

为了尝试对我的数据集中的每个用户ID执行特定的聚类（其中385个），我计算了每个用户与地理距离向量（半径距离）之间的欧几里德距离。然而，这导致了一个距离矩阵列表，我似乎无法弄清楚如何应用层次聚类。

实施例

按用户ID

拆分数据

user_id.split<-split(mydata$geodistancevector,mydata$userid)

计算每个分裂的欧氏距离

split.distances<-lapply(user_id.split,function(x) dist(x,method="euclidean"))

str(split.distances)

导致列表385，例如

    >$ 1  :Class 'dist'  atomic [1:496] 1788.4 24.7 922.2 277.8 873.7 ...
    >.. ..- attr(*, "Size")= int 32
    >.. ..- attr(*, "Diag")= logi FALSE
    >.. ..- attr(*, "Upper")= logi FALSE
    >.. ..- attr(*, "method")= chr "euclidean"
    >``.. ..- attr(*, "call")= language dist(x = x, method = "euclidean")

    >$ 2  :Class 'dist'  atomic (0) 
     .. ..- attr(*, "Size")= int 0
     .. ..- attr(*, "Diag")= logi FALSE
     .. ..- attr(*, "Upper")= logi FALSE
     .. ..- attr(*, "method")= chr "euclidean"
      .. ..- attr(*, "call")= language dist(x = x, method = "euclidean")

等等...

如何在此距离列表中应用hclust？我希望能够将其切割成385（cutree），并将其绑定回原始数据框。

谢谢！

Answer 1

扩展我的评论; lapply函数将获取该函数（在其第二个参数中），并在其第一个参数的每个元素上运行它。

因此，要对hclust $1的元素$385运行split.distances，我们只需执行以下操作：

lapply(split.distances, hclust)

这将返回另一个列表，其中每个元素都是hclust到$1的{{1}}。因此，要应用$385函数，我们可以对结果运行cutree：

lapply

在我的评论中，我嵌套了函数调用，将上面的内容减少为：

hclust.results <- lapply(split.distances, hclust)
cutree.results <- lapply(hclust.results, cutree)

将hclust应用于距离矩阵列表

按用户ID

计算每个分裂的欧氏距离

1 个答案: