计算/翻译R中二进制矩阵/向量中的数字向量

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计算/翻译R中二进制矩阵/向量中的数字向量相关的知识,希望对你有一定的参考价值。

我如何自动构建一个矩阵,将vector <- c(1,2,3)的排列转换为二进制格式?像这样:

x <- matrix(c(1,1,0,0,0,1,0,1,1,0,1,1,0,0,0,1,1,1), ncol = 3)
rownames(x) <- c("1", "1,2", "2", "3", "2,3", "1,2,3")
colnames(x) <- c("1", "2", "3")

x
      1 2 3
1     1 0 0
1,2   1 1 0
2     0 1 0
3     0 0 1
2,3   0 1 1
1,2,3 1 1 1

虽然我想要的不是3个,而是7个值。

答案

这是一个非常快的单线程:

vector <- c(1,2,3)
library(RcppAlgos)
toBinary <- function(v) permuteGeneral(0:1, length(v), TRUE)[-1,]

toBinary(vector)
     [,1] [,2] [,3]
[1,]    0    0    1
[2,]    0    1    0
[3,]    0    1    1
[4,]    1    0    0
[5,]    1    0    1
[6,]    1    1    0
[7,]    1    1    1

[-1, ]将删除所有零的行。这一行代表power set中的空集。事实上,你所要求的是技术上从矢量的幂集(减去空集当然)到二进制矩阵的映射。

如果你真的想让row.names成为实际的排列,你可以使用powerSet包中的rje函数。注意:

library(rje)
nameTest <- toBinary(vector)
row.names(nameTest) <- lapply(powerSet(rev(vector))[-1], sort)

nameTest
           [,1] [,2] [,3]
3             0    0    1
2             0    1    0
c(2, 3)       0    1    1
1             1    0    0
c(1, 3)       1    0    1
c(1, 2)       1    1    0
c(1, 2, 3)    1    1    1
另一答案

一种方法是

x <- c(2, 4, 5)
combs <- sapply(1:length(x), combn, x = x)
M <- do.call(rbind, sapply(combs, function(u)
  t(apply(u, 2, function(v) 1 * x %in% v))))
dimnames(M) <- list(unlist(sapply(combs, apply, 2, paste, collapse = ",")), x)
M
#       2 4 5
# 2     1 0 0
# 4     0 1 0
# 5     0 0 1
# 2,4   1 1 0
# 2,5   1 0 1
# 4,5   0 1 1
# 2,4,5 1 1 1
另一答案

这是一个将任何向量转换为适当的二进制矩阵的函数,

get_binary <- function(x){
  v1 <- unlist(sapply(seq_along(x), function(i) combn(x, i, toString)))
  mat <- t(sapply(v1, function(i)sapply(x, function(j) as.integer(grepl(j, i)))))
  colnames(mat) <- x
  return(mat)
}

get_binary(c(2, 8, 9))

这使,

        2 8 9
2       1 0 0
8       0 1 0
9       0 0 1
2, 8    1 1 0
2, 9    1 0 1
8, 9    0 1 1
2, 8, 9 1 1 1

以上是关于计算/翻译R中二进制矩阵/向量中的数字向量的主要内容,如果未能解决你的问题,请参考以下文章

为指针向量赋值

R入门Day2:数据类型1---向量

如何计算向量中的位数? (在 R 中)

R语言使用kernlab包中的ksvm函数构建支持向量机SVM模型(Support vector machines)使用RBF核函数使用table函数计算混淆矩阵评估分类模型性能

R:单独格式化向量中的数字

R语言使用e1071包中的svm函数构建支持向量机SVM模型(Support vector machines)默认使用RBF核函数使用table函数计算混淆矩阵评估分类模型性能