0

キーワード間の類似性に関する大きなデータ フレームがあり、すべてのペアごとの類似性を含む形式に変更したいと考えています。現在のデータ フレームは次のようになります。

> df
  kwd1 kwd2 sim
1  a  b 1
2  b  a 1
3  c  a 2
4  a  c 2

そして、それを次の形式の data.frame に変換したいと思います。

> df
  kwd1 kwd2 sim
  a b 1
  a c 2
  b c 0

助けてくれてありがとう！

これまでの私のコードは次のとおりです。

df <- data.frame(c('a', 'b', 'c', 'a'), c('b', 'a', 'a', 'c'), c(.1,.1,.2,.2))
colnames(df) = c('kwd1', 'kwd2', 'sim')
> dput(df)
structure(list(kwd1 = structure(c(1L, 2L, 3L, 1L), .Label = c("a", 
"b", "c"), class = "factor"), kwd2 = structure(c(2L, 1L, 1L, 
3L), .Label = c("a", "b", "c"), class = "factor"), sim = c(1, 
1, 2, 2)), .Names = c("kwd1", "kwd2", "sim"), row.names = c(NA, 
-4L), class = "data.frame")
4

2 に答える 2

2 
library(plyr)
res <- merge(expand.grid(kwd1 = unique(c(df$kwd1, df$kwd2)), 
kwd2 = unique(c(df$kwd1, 
    df$kwd2))), df, all.x = T)

res <- ddply(res, .(kwd1, kwd2), function(x) {
    if (which(letters == x$kwd1) != which(letters == x$kwd2)) {
        if (which(letters == x$kwd1) > which(letters == x$kwd2)) {
            return(data.frame(kwd1 = x$kwd2, kwd2 = x$kwd1, sim = x$sim))
        } else {
            return(x)
        }
    }
})
res1 <- res[!duplicated(res), ] 

> res1
  kwd1 kwd2 sim
1    a    b 0.1
2    a    c 0.2
4    b    c  NA

これを関数に変換して、呼び出しを簡単にすることができます。

convert_df <- function(df) {
    res <- merge(expand.grid(kwd1 = unique(c(df$kwd1, df$kwd2)), 
kwd2 = unique(c(df$kwd1, 
    df$kwd2))), df, all.x = T)
res <- ddply(res, .(kwd1, kwd2), function(x) {
    if (which(letters == x$kwd1) != which(letters == x$kwd2)) {
        if (which(letters == x$kwd1) > which(letters == x$kwd2)) {
            return(data.frame(kwd1 = x$kwd2, kwd2 = x$kwd1, sim = x$sim))
        } else {
            return(x)
        }
    }
})
 return(res[!duplicated(res), ])
}
# Then simply run this to convert your actual data.frame
convert_df(df)
于 2012-09-12T22:48:32.290 に答える
0

もっとエレガントな方法があるかもしれませんが、これはそれを行う 1 つの方法です。

# make a data.frame with all possible combinations of kwd1 and kwd2.
# the ones that aren't in df are NA for sim.
k <- merge(expand.grid(kwd1=df$kwd1, kwd2=df$kwd2), df, all=TRUE)
# order the result to put the NA rows at the end, so that rows that are in df 
# have priority in the following step.
k <- k[order(k$sim), ]
# remove all rows where the kwd1-kwd2 combo appears earlier in the data.frame
k <- k[! duplicated(apply(k[1:2], MARGIN=1, sort), MARGIN=2), ]
# assuming you don't want the rows where kwd1 and kwd2 are the same, remove them.
k <- subset(k, kwd1 != kwd2)
# set the NA values to 0
k[is.na(k)] <- 0

   kwd1 kwd2 sim
5     a    b 0.1
7     a    c 0.2
12    b    c 0.0
于 2012-09-12T22:28:12.230 に答える