识别同位群
识别同位群
提问于 2020-05-15 20:37:45
我是相对较新的R，所以我很抱歉，如果我的职位是不明确的提前。我有这样一个数据框架：
mydata <- data.frame(Town=c("A“、"B”、"C“、"C")、Industry=c("A”、"B“、"F”、"A“、"C”、"B“、”G“、"B”、"G"，"T“、"A”、"C“、”F“)
我的真实数据集有5000条观测数据，400个城镇和90个行业。
mydata <- data.frame(Town=c("A","A","A","B","B","B","B","C","C","C", "C","C","C"),
Industry=c("A","B","F","A","C","B","G","B","G","F","A","C","F"))
Town Industry
1 A A
2 A B
3 A F
4 B A
5 B C
6 B B
7 B G
8 C B
9 C G
10 C T
11 C A
12 C C
13 C F我想找出在同一地区至少与其他两个产业同时办公的产业组合，50%/超过50%的时间。如果确定了，我会想要独特的行业组合。
例如，如果工业A位于10个城镇，工业B和C位于这10个城镇中的5个，那么它们将被归类为一个集群，由A、B和C组成，最好是以数据帧形式与独特的组合相结合。
我试着做了一段时间，但我得到的最接近的是执行共现矩阵，但没有得到唯一的组合和计算的相关性是不一致的。我的真实数据集有5000个观测数据。
到目前为止我的尝试。
df2 <- crossprod(table(df[1:2]))
diag(df2)<- 0
df3<- melt(df2)回答 1
Stack Overflow用户
回答已采纳
发布于 2020-05-15 21:08:00
第10行和第13行有什么区别？这也是一个距离问题，因为在你的例子中只有三个城镇，50%意味着1.5个城镇。假设数据是正确的，那么我们可以这样做：
n <- length(unique(mydata$Town)) # Number of Towns:
m <- as.matrix(n - dist(table(mydata[2:1])>0)^2) #number of cities they share in common
data.frame(as.table(m))[c(lower.tri(m) & m >= (0.5 * n)),]
Var1 Var2 Freq
2 B A 3 # B and A share 3 Town
3 C A 2 # C and A share 2 Towns
4 F A 2
5 G A 2
8 C B 2
9 F B 2
10 G B 2
15 G C 3页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61827941
复制相关文章
相似问题
腾讯云开发者
