R在文件上IO后产生不同的结果

Posted 2023-03-12

【中文标题】R在文件上IO后产生不同的结果

【英文标题】：R produces different result after IO on file

【发布时间】：2014-01-28 03:48:53

【问题描述】：

作为 R 新手，我有一个关于写入和读取矢量数据的问题。

我的例子 1

n = 100 g = 6 set.seed(g) d

(source)，它按预期打印“Calinski 标准最佳聚类数：5”。

例2：（先写数据帧d，再读）

n = 100 g = 6 set.seed(g) d

但是，示例 2 打印“Calinski 标准最优聚类数：1”。

我认为在从 R 中的文件进行 IO 之后，格式（或其他内容）已经改变。但我不知道 R 如何读取和写入数字。谁能给我一些线索，谢谢。

编辑 如果文件中没有列名和行名，问题就解决了。

write.table(d, "d.txt", sep='\t', quote=FALSE, row.name=FALSE, col.names=FALSE)

读取时，R 也会读取行名和列名，。 另一种是在阅读时转义这些名称。

【问题讨论】：

两种情况下的情节是一样的吗？代码看起来完全一样...你是否在再次阅读后打印以比较它是否相同（也许只是它的head会做head(d)）

情节相同，表框d的打印相同。

将数字写入文本文件很可能会丢失一些精度。请改用save 或saveRDS。

感谢 Joshua，作为初学者和实验数据，我想要文本文件，因为它更容易阅读和修改。我将在真实数据中使用 saveRDS。

【参考方案1】：

无法为一组计算 Calinski 指数，但它变为 Inf 或 -Inf。在第一个示例中，它恰好是 -Inf，而在第二个示例中，它恰好是 Inf，当您查找 which.max 时，您得到的是 Inf。我不知道为什么我们实际上要为一类情况计算索引，但如果你搜索最好的结果，你应该忽略第一种情况。我们在plot 命令中执行此操作，该命令在这两种情况下都给出了五个集群作为最佳结果。在这两种情况下，您的代码的以下修改将给出相同的答案：

calinski.best <- as.numeric(which.max(fit$results[2,-1])) + 1
cat("Calinski criterion optimal number of clusters:", calinski.best, "\n")

我们必须有+1，因为我们省略了一列。

Inf/-Inf 不确定性的小细节。正如您在?cascadeKM 中看到的，Calinski 标准定义为 (SSB/(K-1))/(SSW/(n-K)) 并且对于一组 K=1，因此 SSB/0 = Inf。对于一组也是 SSB=0，但计算为零，这些在数字计算机中很少准确，在我的计算机中，零是 -2.8e-14 和 -2.8e-14/0 = -Inf。在第二个示例中，SSB=2.8e-14 和 2.8e-14/0 = Inf。当您寻找最佳值时，只需忽略第一列。有时 SSB 可以精确为零，然后 0/0 = NaN（不是数字）。