Question

我有一个由二分值组成的数据集。它是一个非常大的数据集，但这是一个例子：

var1 <- c(1, 0, 1, 1, 0)
var2 <- c(1, 1, 1, 1, 1)
var3 <- c(0, 0, 1, 1, 0)
var4 <- c(0, 0, 1, 1, 0)
var5 <- c(1, 1, 0, 0, 0)
dat <- data.frame(var1,var2,var3,var4,var5)
dat <- as.matrix(dat)

我试图将两个命令合并为一个。首先，我想对列进行聚类，以便将相同的列集中在一起。其次，我希望按列总和对列进行排序。我可以做其中一个，但不能两个。

因此，输出应如下所示：

var2 var1 var5 var3 var4
   1    1    1    0    0
   1    0    1    0    0
   1    1    0    1    1
   1    1    0    1    1
   1    0    0    0    0

最高的列总和不需要位于左侧。

我尝试使用此命令：

 csums <- dat[,order(colSums(dat,na.rm=TRUE))]

但是这些列不是按相似性聚类的。也许有一种基于相似性的聚类方式，以柱总和为条件。

Answer 1

这是一个奇怪的解决方案。您可以按列的折叠字符串表示进行二次排序，这将作为具有相等colSums()的列集的决胜局。这将确保将相同的列聚集在一起，因为它们将按字典顺序排列在一起。

dat[,order(decreasing=T,colSums(dat,na.rm=T),apply(dat,2L,paste,collapse=''))];
##      var2 var1 var5 var3 var4
## [1,]    1    1    1    0    0
## [2,]    1    0    1    0    0
## [3,]    1    1    0    1    1
## [4,]    1    1    0    1    1
## [5,]    1    0    0    0    0

Answer 2

这不是一个聚类（无监督结构发现）问题，而只是一个带有非平凡排序逻辑的排序问题。

根据您的工具提供的内容，您可以

按字典顺序排序，然后稳定 - 按总和排序
如果不同则按总和排序，按字典顺序排序，如果相同的总和

按列总和对相列进行排序，相邻列

2 个答案: