根据值的出现频率分配权重

我想请你帮忙解决我的数据框问题。它是一个有许多阶段的向量，每个阶段我们都有变量名称。可以说根据值的出现频率分配权重

vec<-data.frame(phase1= c("var1","var2","var3","var4","var5","var6"),  
       phase2= c("var1","var3","var4","var2","var6","var5"),  
       phase3= c("var4","var3","var2","var1","var6","var5")) 

vec 
    phase1 phase2 phase3 
1 var1 var1 var4 
2 var2 var3 var3 
3 var3 var4 var2 
4 var4 var2 var1 
5 var5 var6 var6 
6 var6 var5 var5

现在，可以说我们对前3行感兴趣，因此其中一个变量的权重为1/3，否则为零。我的功能将理想地输出某物那样：

  phase1 phase2 phase3 
    var1 0.33 0.33 0 
    var2 0.33 0  0.33 
    var3 0.33 0.33 0.33 
    var4 0  0.33 0.33 
    var5 0  0  0 
    var6 0  0  0

该函数应该也是第4,5或所有6行（即权重会改变然后）是适用的。问候，亚历

来源

2011-05-30 Alex

我相信你正在寻找这样的：

n<-3 
l<-dim(vec)[1] 
wghts<-c(rep(1/n, n), rep(0, l-n)) 
result<-do.call(cbind, lapply(vec, function(curcol){ 
     wghts[match(curcol, vec$phase1)] 
    }))

如果需要，你可以添加：

rownames(result)<-vec$phase1

来源

2011-05-30 11:26:10

您可以使用%in%找到比赛和ifelse设置体重：

set_weigth <- function(x, v, w) ifelse(x%in%v,w,0) 
as.data.frame(lapply(vec, set_weigth, v=vec$phase1[1:3], w=0.33))

来源

2011-05-30 11:28:17 Marek

Y ou基本上将var_i的权重设置为phase_i，因为行var_i的分数出现在phase_i中。最简单的方法是使用table()函数：给定一个离散值向量，它会生成不同值的频率计数。如果您想根据第3行中的数据帧vec的得到你想要的权重，你根本：

> sapply(vec[1:3,],table)/3 

     phase1 phase2 phase3 
var1 0.3333333 0.3333333 0.0000000 
var2 0.3333333 0.0000000 0.3333333 
var3 0.3333333 0.3333333 0.3333333 
var4 0.0000000 0.3333333 0.3333333 
var5 0.0000000 0.0000000 0.0000000 
var6 0.0000000 0.0000000 0.0000000

同样，如果你想使用的第一个4行，你做的事：

> sapply(vec[1:4,],table)/4 
    phase1 phase2 phase3 
var1 0.25 0.25 0.25 
var2 0.25 0.25 0.25 
var3 0.25 0.25 0.25 
var4 0.25 0.25 0.25 
var5 0.00 0.00 0.00 
var6 0.00 0.00 0.00

来源

2011-05-30 22:12:21

根据值的出现频率分配权重

回答

相关问题