获取分类数据频率矩阵的程序

Question

我正在处理包含 300 多个分类特征的数据，我已将这些特征分解为 0 和 1。现在，我需要创建一个特征矩阵，以在每个单元格中联合出现的频率。

最后，我希望创建此频率矩阵的热图。

因此，我在 R 中的数据框如下所示：

id cat1 cat2 cat3 cat4
156   0    0    1    1
465   1    1    1    0
573   0    1    1    0

我想要的输出是：

      cat1 cat2  cat3 ...
cat1   0     1      0
cat2    1     0     2
cat3    1     2     0
  .
  .

其中每个单元格值表示两个分类变量一起出现的次数。

Answer 1

我们可以使用outer

#Since we have only 0's and 1's in column we can directly use &
fun <- function(x, y) sum(df[, x] & df[, y])

#Get all the cat columns
n <- seq_along(df)[-1]
#Apply function to every combination of columns
mat <- outer(n, n, Vectorize(fun))
#Turn diagonals to 0
diag(mat) <- 0
#Assign rownames and column names
dimnames(mat) <- list(names(df)[n], names(df[n]))

#     cat1 cat2 cat3 cat4
#cat1    0    1    1    0
#cat2    1    0    2    0
#cat3    1    2    0    1
#cat4    0    0    1    0

Answer 2

我们可以使用 table 和 base R

中的 crossprod

i1 <- as.logical(unlist(df1[-1]))
out <- crossprod(table(df1$id[row(df1[-1])][i1], 
          names(df1)[-1][col(df1[-1])].  [i1]))
diag(out) <- 0
out

#       cat1 cat2 cat3 cat4
#  cat1    0    1    1    0
#  cat2    1    0    2    0
#  cat3    1    2    0    1
#  cat4    0    0    1    0

数据

df1 <- structure(list(id = c(156L, 465L, 573L), cat1 = c(0L, 1L, 0L), 
    cat2 = c(0L, 1L, 1L), cat3 = c(1L, 1L, 1L), cat4 = c(1L, 
    0L, 0L)), class = "data.frame", row.names = c(NA, -3L))

获取分类数据频率矩阵的程序

Program to obtain frequency matrix of categorical data

r

dataframe

dplyr

correlation

binary-data

数据