R 组单变量聚类

Question

我正在尝试找到一种按组对单变量数据进行聚类的方法。例如，在下面的数据中，我有两个故障代码（a 和 b）和每个分组的 6 个数据点。在图中，您可以看到对于每个故障代码，故障时间有 2 个不同的集群。手动这还不错，但我无法弄清楚如何使用更大的数据集（~100K 行和~30 个代码）执行此操作。我希望最终结果能给我每个簇的中心点和该簇中的代码数。

library(ggplot2)
failure <- rep(c("a","b"),each=6)
ttf <- c(1,1.5,2,5,5.5,6,8,8.5,9,14,14.5,15)
data <- data.frame(failure,ttf)
qplot(failure, ttf)
results <- data.frame(failure = c("a","b"), m1 = c(1.5,8.5), m2 = c(5.5,14.5))

我希望最终结果能给我类似下面的 table 的内容。

failure m1   m1count  m2    m2count
a       1.5  3        5.5   3
b       8.5  3        14.5  3

Answer 1

这会做你想做的，假设每个故障组只有两个集群，尽管你可以在 tapply 中更改它，它会应用于所有故障组。

res2 <- tapply(data$ttf, INDEX = data$failure, function(x) kmeans(x,2))    
res3 <- lapply(names(res2), function(x) data.frame(failure=x, Centers=res2[[x]]$centers, Size=res2[[x]]$size))     
res3 <- do.call(rbind, res3)

res3
   failure Centers Size
1        a     5.5    3
2        a     1.5    3
11       b    14.5    3
21       b     8.5    3

R 组单变量聚类

R Univariate Clustering by Group

r

cluster-analysis