我正在寻找查找行子集的可能性（一个子集应包含6行），其中多列的值 - 均值最相似。因此，我希望R搜索我的data.frame并创建每行6行的子集，以便最终这些子集彼此最相似。相似度可以测量为欧几里德距离（正如@David Robinson所指出的那样）。
我的数据如下：
TID Cue1 Cue2 Cue3
1 2.06 1.90 3.82
2 5.18 4.13 5.10
3 5.09 2.85 2.80
4 1.93 4.14 4.75
... ... ... ...
我现在想知道R中是否有方法，我发现以下内容：
-give me eg每个包含6行的4个子集，其中4个子集在
一个例子是（与我的示例中的数据不匹配）：
- 子集1包含 TID 1，TID 6，TID 14，TID 28，TID 39，TID 50，此子集具有cue-means（Cue1 = 3,2; Cue2 = 2， 5; Cue3 = 4）
- 子集2包含 TID 3，TID 12，TID 20，TID 40，TID 54，TID 59，此子集具有提示均值（Cue1 = 3,3; Cue2 = 2， 6; Cue3 = 4,1）。
这样两个子集在提示方式上非常（大多数）相似。 R现在应该给我命名形成子集的rownumbers（或TID值）。
在R中有没有可能做到这一点？
以下是我的数据的可重现示例：
mysamp <- function(n, m, s, lwr, upr, nnorm) {
set.seed(1)
samp <- rnorm(nnorm, m, s)
samp <- samp[samp >= lwr & samp <= upr]
if (length(samp) >= n) {
return(sample(samp, n))
}
}
Cue1 <- mysamp(n=60, m=3, s=1.5, lwr=1, upr=6, nnorm=1000)
Cue2 <- mysamp(n=60, m=3, s=2.5, lwr=1, upr=6, nnorm=1000)
Cue3 <- mysamp(n=60, m=4, s=1.5, lwr=1, upr=6, nnorm=1000)
df <- data.frame(TID= 1:60, Cue1= Cue1, Cue2= Cue2, Cue3= Cue3)
答案 0 :(得分：0)
这是一个群集问题，因此您希望通过以下方式处理它：
距离矩阵和层次聚类可以完成：
distances <- dist(df[, -1])
h <- hclust(distances)
有很多方法可以在算法上拉出树上的低簇;因为我习惯使用dplyr / purrr / tidyr，所以我会展示一个解决方案。这需要使用cutree在每个可能的级别将树分开，然后找到每组六个第一次出现。
library(dplyr)
library(tidyr)
library(purrr)
clusterings <- data_frame(ncluster = seq(nrow(df), 1)) %>%
unnest(membership = map(ncluster, ~ cutree(h, .))) %>%
group_by(ncluster) %>%
mutate(row = row_number()) %>%
ungroup() %>%
nest(-ncluster, -membership) %>%
mutate(size = map_dbl(data, nrow)) %>%
filter(size == 6) %>%
distinct(membership, .keep_all = TRUE) %>%
unnest(data) %>%
mutate(TID = df$TID[row])
在您的数据上，返回：
# A tibble: 42 × 5
ncluster membership size row TID
<int> <int> <dbl> <int> <int>
1 29 9 6 9 9
2 29 9 6 30 30
3 29 9 6 39 39
4 29 9 6 41 41
5 29 9 6 43 43
6 29 9 6 57 57
7 21 13 6 15 15
8 21 13 6 20 20
9 21 13 6 25 25
10 21 13 6 29 29
# ... with 32 more rows
因此，（9,30,39,41,43,57）组成你的第一组6，而第二组开始于（15,20,25,29 ......）