按列总和对列进行排序，相邻的相同列

Question

我有一个由二分值组成的数据集。这是一个非常大的数据集，但这里有一个例子：

var1 <- c(1, 0, 1, 1, 0)
var2 <- c(1, 1, 1, 1, 1)
var3 <- c(0, 0, 1, 1, 0)
var4 <- c(0, 0, 1, 1, 0)
var5 <- c(1, 1, 0, 0, 0)
dat <- data.frame(var1,var2,var3,var4,var5)
dat <- as.matrix(dat)

我正在尝试将两个命令合二为一。首先，我想对列进行聚类，以便将相同的列集中在一起。其次，我希望列按列总和排序。我可以做一个或另一个，但不能同时做。

因此，输出应如下所示：

var2 var1 var5 var3 var4
   1    1    1    0    0
   1    0    1    0    0
   1    1    0    1    1
   1    1    0    1    1
   1    0    0    0    0

总和最高的列不必位于左侧。

我试过使用这个命令：

 csums <- dat[,order(colSums(dat,na.rm=TRUE))]

但列不按相似性聚类。也许有一种基于相似性的聚类方法，以列总和为条件。

Answer 1

这是一个有点奇怪的解决方案。您可以通过列的折叠字符串表示形式进行二次排序，这将作为具有等于 colSums() 的列集的决胜局。这将确保相同的列聚集在一起，因为它们将按字典顺序彼此相邻排序。

dat[,order(decreasing=T,colSums(dat,na.rm=T),apply(dat,2L,paste,collapse=''))];
##      var2 var1 var5 var3 var4
## [1,]    1    1    1    0    0
## [2,]    1    0    1    0    0
## [3,]    1    1    0    1    1
## [4,]    1    1    0    1    1
## [5,]    1    0    0    0    0

Answer 2

这不是聚类（无监督结构发现）问题，而只是具有非平凡排序逻辑的排序问题。

根据您的工具提供的功能，您可以

按字典顺序排序，然后按总和稳定排序
不同则按总和排序，总和相同则按字典序排序

按列总和对列进行排序，相邻的相同列

Sort columns by column sums, identical columns adjacent

r

sorting

sum

col