R - 将数据框中的变量与其他矩阵的值相关联的矩阵的子集

Question

自从几天以后，我正在寻找在R中管理我的数据的方式。我拥有相同的一组个人（n = 5013 ）结构如下：两个不对称的邻接矩阵（m1和m2）（n×n方阵，其中所有个体构成矩阵的行和列）和数据框（df）与我的个人集合（df$N）和一个变量（df$V） 。

我搜索中的m2的单元值的函数使用可变df$V（不同的标准/变量值的行和cols）到子集的矩阵和子集m1（或识别无效的病例）的方式。

下面的例子说明我的问题：

# N are individuals. Two matrices (m1 and m2) and a dataframe (df) with a variable (df$V) 
> df 
    N V 
1 a v1 
2 b v2 
3 c v3 
4 d v1 
5 e v2 
6 f v3 
7 g v1 

> m1 
    a b c d e f g 
a 7 3 9 8 1 6 8 
b 1 6 9 2 9 4 4 
c 2 3 2 7 9 7 3 
d 9 7 6 3 2 6 6 
e 9 9 6 5 5 6 5 
f 1 1 1 6 1 5 9 
g 6 2 5 2 1 8 5 

> m2 
    a b c d e f g 
a 8 3 7 8 4 3 2 
b 2 8 4 2 7 7 2 
c 8 3 1 6 9 9 4 
d 7 3 6 7 4 9 5 
e 5 8 7 1 7 6 6 
f 9 6 8 9 6 6 2 
g 4 8 8 1 9 7 3 

例如，我子集在行取值为“V1”和“V3”和cols取值“V2”的DF $基质细胞V

> m1subseted 
    b e 
a 3 1 
c 3 9 
d 7 2 
f 1 1 
g 2 1 
> m2subseted 
    b e 
a 3 4 
c 3 9 
d 3 4 
f 6 6 
g 8 9 

，然后在M1-子集的子集的意见（或识别无效的病例），其具有以m 2-的子集的单元格值“< 5”。我正在搜索的结果：矩阵，m1的子集。

#subset m1 if cell value in m2 is <5/Invalid cells = NA 
    b e 
a 3 1 
c 3 NA 
d 7 2 
f NA NA 
g NA NA 

通过@jkt正常工作提出了重现数据

m1 <- as.matrix(data.frame(a = sample(1:10, size = 7), 
       b= sample(1:10, size = 7), 
       c=sample(1:10, size = 7), 
       d=sample(1:10, size = 7), 
       e=sample(1:10, size = 7), 
       f=sample(1:10, size = 7), 
       g=sample(1:10, size = 7))) 
       rownames(m1)<-colnames(m1) 


m2 <- as.matrix(data.frame(a = sample(1:10, size = 7), 
       b= sample(1:10, size = 7), 
       c=sample(1:10, size = 7), 
       d=sample(1:10, size = 7), 
       e=sample(1:10, size = 7), 
       f=sample(1:10, size = 7), 
       g=sample(1:10, size = 7))) 
       rownames(m2)<-colnames(m2) 



df <- data.frame(N = as.factor(letters[1:7]), 
     V = c("v1","v2","v3","v1","v2","v3","v1")) 

评论

的解决方案，除非标签是复杂的（带重音符号，括号等），在我原来的数据集。我找到的解决方案是在应用算法之前，通过最简单的标签更改复杂标签，并在结果上恢复原始标签。 我与@jkt提供的解决方案（适用于本示例）共享我使用的代码，希望对某人有用。

#Create new labels. In this case are numbers, where 7 
#correspond to the dimmensions of matrices and observations on df 
new.code.labels<-c(1:7) 
#Create new col/variable on df 
df$TempLabel<-new.code.labels 
#Recode rows and cols on matrices 
rownames(m1)<-new.code.labels 
colnames(m1)<-new.code.labels 
rownames(m2)<-new.code.labels 
colnames(m2)<-new.code.labels 

#Apply algorithm proposed by @jkt 
crit1 <- c('v1','v3') 
crit2 <- 'v2' 
#Observe I use new labels on dataframe (df$TempLabel) 
m11 <- m1[df$TempLabel[which(df$V %in% crit1)], df$TempLabel[which(df$V %in% crit2)]] 
m21 <- m2[df$TempLabel[which(df$V %in% crit1)], df$TempLabel[which(df$V %in% crit2)]] 
m11[!(m21<5)] <- NA 
m11 

#To regain the original labels on results 
row.coded.labels.result<-rownames(m11) 
df.subseted.by.result.row<-subset(df, df$TempLabel %in% row.coded.labels.result) 
rownames(m11)<-df.subseted.by.result.row$N 

col.coded.labels.result<-colnames(m11) 
df.subseted.by.result.col<-subset(df, df$TempLabel %in% col.coded.labels.result) 
colnames(m11)<-df.subseted.by.result.col$N 
m11 

Answer 1

我只是使用一系列的子集命令。

这定义了两个标准（基于V1，V3和V2）：

crit1 <- c('v1','v3') 
crit2 <- 'v2' 

此子集基于所述标准和相应的行/列名的矩阵：

m11 <- m1[df$N[which(df$V %in% crit1)], df$N[which(df$V %in% crit2)]] 
m21 <- m2[df$N[which(df$V %in% crit1)], df$N[which(df$V %in% crit2)]] 

这设置所有那些在第二子集矩阵内不符合最后一个标准的值NA。

m11[!(m21<5)] <- NA 

调用m11然后给你：

b e 
a 3 1 
c 3 NA 
d 7 2 
f NA NA 
g NA NA 

你可以用你的标准作为参数加上矩阵和数据框变成一个功能。