从列表中读取数字并使用与读取的数字对应的列创建 csv 文件
Read numbers from a list and create csv file with the columns that correspond to the numbers read
我有一个数据集保存在一个名为 'extremes'（30 列和 2000 行）的 csv 文件中。我执行聚类分析并使用 capture.output 来保存
输出到一个csv文件中。具体来说，我这样做：
capture.output(inf,file="Clusters.csv", append=TRUE)
其中 'inf' 是一个函数，returns 分析输出。'inf' 是一个列表。
我保存在 csv 文件（称为 'Clusters.csv'）中的输出如下（显示在 R 控制台中）：
$assign
[1] 1 2 3 1 1 1 1 2 1 4 1 4 1 2 4 2 3 5 4 1 2 2 2 1 1 1 1 1 1 1
$list
$list$cluster.1
[1] 1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30
$list$cluster.2
[1] 2 8 14 16 21 22 23
$list$cluster.3
[1] 3 17
$list$cluster.4
[1] 10 12 15 19
$list$cluster.5
[1] 18
$num
cluster.1 cluster.2 cluster.3 cluster.4 cluster.5
16 7 2 4 1
根据分析，我还得到一个名为 'NumberClusters' 的参数，它指示最佳聚类数（对于这个特定数据集，它的值为 2）。
我想要实现的是从 csv 文件 'extremes' 中读取构成第一个簇的特定列（即 1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30 ) 并将它们保存在 data.frame 中（并且可能将它们存储在名为 'Cluster1' 的 csv 文件中，然后从 csv 文件 'extremes' 中读取构成第二个簇的特定列（即， 2 8 14 16 21 22 23) 并将它们保存在 data.frame 中（也许在名为 'Cluster2' 的 csv 文件中）。然后我可以使用两个数据集 'Cluster1' 和 'Cluster2'。
我认为，我的主要问题是找到一种方法来从文件中读取构成每个集群的列（例如，对于集群 1，列：1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30） 'Clusters.csv'。我相信我将能够使用
读取文件 'extremes.csv' 中这些列中包含的数据
read.xls("extremes.csv")[c(1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30])
我也曾尝试使用包 'xlsx' 但没有取得任何成果。
任何帮助将不胜感激，因为我已经坚持了一段时间了。
我的数据看起来像这样（这是一个小样本；实际上我有 30 列（金融指数）和 2019 行（每日 returns）。希望这对您有所帮助。
Food Beer Smoke Games Books Hshld Clths
0.57 1.23 1.19 0.54 -0.19 0.31 0.52
0.48 0.57 -0.89 -0.23 -0.25 0.29 -0.26
-0.55 -0.75 -0.8 -0.41 -0.2 -0.29 -0.61
0.6 -0.1 0.31 1.16 1.14 0.74 0.72
-0.44 -1.34 -1.73 -0.16 0.22 -0.97 -0.96
-0.25 -0.21 -0.07 -0.73 -0.4 -0.56 -0.8
0.11 -0.94 -0.3 -0.38 -0.07 -0.38 -0.24
-1.34 -2.12 -1.54 -1.52 -0.68 -1.72 -1.91
我 运行 你的代码（你的模拟示例）我得到
> cluster1
Null data.table (0 rows and 0 cols)
cluster2 相同。
然后我 运行 使用我的数据集执行以下操作并得到相同的消息（即 Null data.table（0 行和 0 列）。
output <- read.csv("Clusters.csv", header = TRUE)
output <- list()
cluster.data <- matrix(extremes, nrow = 2019, ncol = 30, byrow = TRUE)
DT <- as.data.table(cluster.data)
cluster1 <- DT[, c(output$list$cluster1), with = FALSE]
cluster1
cluster2 <- DT[, c(output$list$cluster2), with = FALSE]
cluster2
我怀疑我完全错了。
我运行没有输出的代码<-list()。即：
编辑：我认为这是因为我们没有得到正确的 output$list$cluster2 名称。尝试 output$list$cluster.2。我对下面的块进行了更改。请尝试：
output <- read.csv("Clusters.csv", header = TRUE)
# take a look at output
output
cluster.data <- matrix(extremes, nrow = 2019, ncol = 30, byrow = TRUE)
DT <- as.data.table(cluster.data)
cluster1 <- DT[, c(output$list$cluster.1), with = FALSE]
cluster1
cluster2 <- DT[, c(output$list$cluster.2), with = FALSE]
cluster2
编辑：我们快到了！请尝试打印出 output 和 output$list$cluster.1 以及 str(output$list$cluster.2) 以查看其分类方式。最后，如果这不起作用，请在 output 上使用 dput 到文件并在 Notepad/text 编辑器中查看它。 dput 将数据写入 R 命令以重新创建。 Post 这样我们就可以检查输出了。
没有你的数据块有点棘手。如果您不熟悉此包，请查看data.table cheatsheet。
假设您的列是标准列，因此没有名称 V1 V2。让我们隔离你的两个块，这样你就可以把它们保存下来。
library(data.table)
# mini mockup example using just first 5 columns
output <- list()
output$list$cluster.1 <- c(1,4,5)
output$list$cluster.2 <- c(2)
# EDIT: Kostas you would do this with your data
# "output I save in the csv file (called 'Clusters.csv')"
# get the output structure back
# output <- read.csv("Clusters.csv", header = TRUE)
# Then the code will read your list results
# mockup of your data using a to e so we can see how columns selected
# its simply two lines of repeated a b c d e
cluster.data <- matrix(letters[1:5], nrow = 2, ncol = 5, byrow = TRUE)
#assuming you want the column names will just be default V1 V2...
# cluster 1 we would expect it to look like this
# headings V1 V4 V5
# data a d e
# data line 2 a d e
# turn it into a data.table
# you would read your data in as csv
# data <- as.data.table(read.csv("yourfile.csv")) etc.
DT <- as.data.table(cluster.data)
# subset data to cluster 1
cluster1 <- DT[, c(output$list$cluster.1), with = FALSE]
V1 V4 V5
1: a d e
2: a d e
# likewise for 2
cluster2 <- DT[, c(output$list$cluster.2), with = FALSE]
V2
1: b
2: b
注意我在 data.table 中使用 with = FALSE 以便调用第 4 列而不是称为 4 的列。
然后你会把这些块保存下来。参见 'write.table' 或 'write.csv'。在提示符下键入 ?write.table 以获得帮助。
您可以 "parameterize" 使用以下方法获得不同的簇长度：
as.name(paste0("cluster.", as.character(i))) 当 i = 3 时得到 cluster.3
希望对您有所帮助！
后期编辑：Kostas 我看到你的输出数据现在称为 cluster.1 而不是我原来的 cluster1 所以我编辑了上面的代码。 $list$cluster.1
我有一个数据集保存在一个名为 'extremes'（30 列和 2000 行）的 csv 文件中。我执行聚类分析并使用 capture.output 来保存 输出到一个csv文件中。具体来说，我这样做：
capture.output(inf,file="Clusters.csv", append=TRUE)
其中 'inf' 是一个函数，returns 分析输出。'inf' 是一个列表。
我保存在 csv 文件（称为 'Clusters.csv'）中的输出如下（显示在 R 控制台中）：
$assign
[1] 1 2 3 1 1 1 1 2 1 4 1 4 1 2 4 2 3 5 4 1 2 2 2 1 1 1 1 1 1 1
$list
$list$cluster.1
[1] 1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30
$list$cluster.2
[1] 2 8 14 16 21 22 23
$list$cluster.3
[1] 3 17
$list$cluster.4
[1] 10 12 15 19
$list$cluster.5
[1] 18
$num
cluster.1 cluster.2 cluster.3 cluster.4 cluster.5
16 7 2 4 1
根据分析，我还得到一个名为 'NumberClusters' 的参数，它指示最佳聚类数（对于这个特定数据集，它的值为 2）。
我想要实现的是从 csv 文件 'extremes' 中读取构成第一个簇的特定列（即 1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30 ) 并将它们保存在 data.frame 中（并且可能将它们存储在名为 'Cluster1' 的 csv 文件中，然后从 csv 文件 'extremes' 中读取构成第二个簇的特定列（即， 2 8 14 16 21 22 23) 并将它们保存在 data.frame 中（也许在名为 'Cluster2' 的 csv 文件中）。然后我可以使用两个数据集 'Cluster1' 和 'Cluster2'。 我认为，我的主要问题是找到一种方法来从文件中读取构成每个集群的列（例如，对于集群 1，列：1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30） 'Clusters.csv'。我相信我将能够使用
读取文件 'extremes.csv' 中这些列中包含的数据read.xls("extremes.csv")[c(1 4 5 6 7 9 11 13 20 24 25 26 27 28 29 30])
我也曾尝试使用包 'xlsx' 但没有取得任何成果。
任何帮助将不胜感激，因为我已经坚持了一段时间了。
我的数据看起来像这样（这是一个小样本；实际上我有 30 列（金融指数）和 2019 行（每日 returns）。希望这对您有所帮助。
Food Beer Smoke Games Books Hshld Clths
0.57 1.23 1.19 0.54 -0.19 0.31 0.52
0.48 0.57 -0.89 -0.23 -0.25 0.29 -0.26
-0.55 -0.75 -0.8 -0.41 -0.2 -0.29 -0.61
0.6 -0.1 0.31 1.16 1.14 0.74 0.72
-0.44 -1.34 -1.73 -0.16 0.22 -0.97 -0.96
-0.25 -0.21 -0.07 -0.73 -0.4 -0.56 -0.8
0.11 -0.94 -0.3 -0.38 -0.07 -0.38 -0.24
-1.34 -2.12 -1.54 -1.52 -0.68 -1.72 -1.91
我 运行 你的代码（你的模拟示例）我得到
> cluster1
Null data.table (0 rows and 0 cols)
cluster2 相同。
然后我 运行 使用我的数据集执行以下操作并得到相同的消息（即 Null data.table（0 行和 0 列）。
output <- read.csv("Clusters.csv", header = TRUE)
output <- list()
cluster.data <- matrix(extremes, nrow = 2019, ncol = 30, byrow = TRUE)
DT <- as.data.table(cluster.data)
cluster1 <- DT[, c(output$list$cluster1), with = FALSE]
cluster1
cluster2 <- DT[, c(output$list$cluster2), with = FALSE]
cluster2
我怀疑我完全错了。
我运行没有输出的代码<-list()。即：
编辑：我认为这是因为我们没有得到正确的 output$list$cluster2 名称。尝试 output$list$cluster.2。我对下面的块进行了更改。请尝试：
output <- read.csv("Clusters.csv", header = TRUE)
# take a look at output
output
cluster.data <- matrix(extremes, nrow = 2019, ncol = 30, byrow = TRUE)
DT <- as.data.table(cluster.data)
cluster1 <- DT[, c(output$list$cluster.1), with = FALSE]
cluster1
cluster2 <- DT[, c(output$list$cluster.2), with = FALSE]
cluster2
编辑：我们快到了！请尝试打印出 output 和 output$list$cluster.1 以及 str(output$list$cluster.2) 以查看其分类方式。最后，如果这不起作用，请在 output 上使用 dput 到文件并在 Notepad/text 编辑器中查看它。 dput 将数据写入 R 命令以重新创建。 Post 这样我们就可以检查输出了。
没有你的数据块有点棘手。如果您不熟悉此包，请查看data.table cheatsheet。
假设您的列是标准列，因此没有名称 V1 V2。让我们隔离你的两个块，这样你就可以把它们保存下来。
library(data.table)
# mini mockup example using just first 5 columns
output <- list()
output$list$cluster.1 <- c(1,4,5)
output$list$cluster.2 <- c(2)
# EDIT: Kostas you would do this with your data
# "output I save in the csv file (called 'Clusters.csv')"
# get the output structure back
# output <- read.csv("Clusters.csv", header = TRUE)
# Then the code will read your list results
# mockup of your data using a to e so we can see how columns selected
# its simply two lines of repeated a b c d e
cluster.data <- matrix(letters[1:5], nrow = 2, ncol = 5, byrow = TRUE)
#assuming you want the column names will just be default V1 V2...
# cluster 1 we would expect it to look like this
# headings V1 V4 V5
# data a d e
# data line 2 a d e
# turn it into a data.table
# you would read your data in as csv
# data <- as.data.table(read.csv("yourfile.csv")) etc.
DT <- as.data.table(cluster.data)
# subset data to cluster 1
cluster1 <- DT[, c(output$list$cluster.1), with = FALSE]
V1 V4 V5
1: a d e
2: a d e
# likewise for 2
cluster2 <- DT[, c(output$list$cluster.2), with = FALSE]
V2
1: b
2: b
注意我在 data.table 中使用 with = FALSE 以便调用第 4 列而不是称为 4 的列。
然后你会把这些块保存下来。参见 'write.table' 或 'write.csv'。在提示符下键入 ?write.table 以获得帮助。
您可以 "parameterize" 使用以下方法获得不同的簇长度：
as.name(paste0("cluster.", as.character(i))) 当 i = 3 时得到 cluster.3
希望对您有所帮助！
后期编辑：Kostas 我看到你的输出数据现在称为 cluster.1 而不是我原来的 cluster1 所以我编辑了上面的代码。 $list$cluster.1