我有许多整数行,每行有7列,这是实验记录的一些生物学点。这些数字仅是1到7,我想确定出现这些整数的常见模式。
first few rows of df:
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1 2 3 4 6 7 7
[2,] 1 2 2 3 3 5 7
[3,] 1 2 2 3 3 4 5
[4,] 2 3 4 7 7 7 7
[5,] 1 1 3 4 5 6 7
[6,] 2 2 3 3 4 6 6
[7,] 1 1 2 3 3 6 6
[8,] 2 2 3 4 6 6 7
...
例如
desired output:
pattern freq
1 2 3 4 1
2 3 4 6 2
1 2 3 4
2 2 3 4
...
...
请指教,谢谢。
答案 0 :(得分:6)
wait
答案 1 :(得分:2)
对于每个序列长度,我们调用freqs
,对于m
的每一行,它调用rollapply
以获取连续的子序列。 ag
包含每个子序列及其频率,最后我们省略了没有最小频率minFreq
的子序列以保持大小不变。
在代码的最后一行中,我们依次使用freqs
(子序列长度)的值分别为4、3、2和1来调用k
,以获得这些长度的子序列。将4:1更改为所需的值。同样,在该行中,如果您想要所有的频率,而不仅仅是2个以上的频率,则省略minFreq=2
。(我们使用至少2个频率来保持输出大小合理。)
library(plyr)
library(zoo)
freqs <- function(k, m, minFreq = 1) {
tuples <- if (k == 1) matrix(m)
else do.call("rbind", lapply(split(m, row(m)), rollapply, k, c))
ag <- aggregate(list(freq = 1:nrow(tuples)), as.data.frame(tuples), length)
subset(ag, freq >= minFreq)
}
do.call("rbind.fill", lapply(4:1, freqs, m, minFreq = 2))
给予:
V1 V2 V3 V4 freq
1 1 2 2 3 2
2 2 2 3 3 3
3 2 3 3 4 2
4 2 3 4 6 2
5 3 4 6 6 2
6 1 2 2 NA 2
7 1 2 3 NA 2
8 2 2 3 NA 4
9 2 3 3 NA 4
10 2 3 4 NA 3
11 3 3 4 NA 2
12 3 4 5 NA 2
13 3 4 6 NA 3
14 4 6 6 NA 2
15 7 7 7 NA 2
16 1 1 NA NA 2
17 1 2 NA NA 4
18 2 2 NA NA 4
19 2 3 NA NA 7
20 3 3 NA NA 4
21 3 4 NA NA 6
22 4 5 NA NA 2
23 4 6 NA NA 3
24 6 6 NA NA 3
25 6 7 NA NA 3
26 7 7 NA NA 4
27 1 NA NA NA 7
28 2 NA NA NA 11
29 3 NA NA NA 12
30 4 NA NA NA 6
31 5 NA NA NA 3
32 6 NA NA NA 8
33 7 NA NA NA 9
在该问题中,输入被称为df
,表明它是一个数据帧,但在问题中的显示表明它实际上是一个矩阵。为了重现性,我们在上面的计算中使用了此矩阵:
m <- matrix(c(1L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 2L, 2L, 3L, 1L,
2L, 1L, 2L, 3L, 2L, 2L, 4L, 3L, 3L, 2L, 3L, 4L, 3L, 3L, 7L, 4L,
3L, 3L, 4L, 6L, 3L, 3L, 7L, 5L, 4L, 3L, 6L, 7L, 5L, 4L, 7L, 6L,
6L, 6L, 6L, 7L, 7L, 5L, 7L, 7L, 6L, 6L, 7L), 8)