R：测试变量是否包含相同的信息

假设在一个包含相同信息的数据集中有两个变量，例如“男性”和“女性”（假设只有2个性别且没有缺失数据）。我如何测试两列包含相同的信息，从而允许我删除其中的一个？R：测试变量是否包含相同的信息

我想过检查包含它们的矩阵的排名，但显然这样的矩阵是满秩的，即使列明显依赖于对方。

编辑：我的意思是两个变量，如下列：

显然同样的信息包含这两个变量中。我该如何测试？

来源

2016-08-22 Noah

嗨，诺亚，你能举个例子说明你的意思吗？你的意思是这些列是相同的（相同的值，相同的顺序），或者说它们具有相同的因子水平？ –

如果你想使用矩阵的等级，你需要添加一列1。如果添加该值，那么即使有三列，结果矩阵的秩仍然只有2而不是3。 – Dason

对于所给出的示例，它们将具有1或-1的相关性，因此您可以使用apply（cor（df），1，function（x）{any（abs（x）== 1） }）'，但如果有多个，你必须去看'cor（df）'来弄清楚它们是如何配对的。 – alistaire

编辑

根据您的澄清，你可以使用成对的相关检测数据列之间的正，负相关，例如：

# create example data matrix matrix; add a fourth column that is inverse 
# of the third one 
> set.seed(1) 
> x <- matrix(sample(0:1, 15, replace=TRUE), ncol=3) 
> x <- cbind(x, ifelse(x[,3] == 0, 1, 0)) 
> x 
    [,1] [,2] [,3] [,4] 
[1,] 0 1 0 1 
[2,] 0 1 0 1 
[3,] 1 1 1 0 
[4,] 1 1 0 1 
[5,] 0 0 1 0

其次，构建相关矩阵。对角线因为忽略自相关而被设置为零。

然后，我们测试每个列以查看与其他列的相关性的最大绝对值是否等于1，这表示列中包含相同的信息。

> cormat <- cor(x) 
> diag(cormat) <- 0 
> apply(cormat, 2, function(x) { max(abs(x)) == 1 }) 
[1] FALSE FALSE TRUE TRUE

来源

2016-08-22 02:21:17

我不是指相同的列，我的意思是列在哪里，例如，v1 = 1 - v2 – Noah

您是否考虑过使用两列之间的相关性？ –

@Noah，更新以反映澄清。以上是基于我原来的答案的第二个建议。 –

-1

也许这样的事？

x = rep(c("Male"), each = 10) 
y = rep(c("Female"),each = 10) 
fm = matrix(data = c(x,y), ncol = 2) 

fm[,1] == fm[,2]

来源

2016-08-22 02:05:57 dooogan

不，这只是测试一列中的每个值是否等于另一列中的相应值。我想测试变量是否在信息中是多余的，而不是在价值上相等。 – Noah

R：测试变量是否包含相同的信息

回答

相关问题