按列总和对相列进行排序,相邻的列相邻

Question

我有一个由二分值组成的数据集.这是一个非常大的数据集,但这是一个例子:

var1 <- c(1, 0, 1, 1, 0)
var2 <- c(1, 1, 1, 1, 1)
var3 <- c(0, 0, 1, 1, 0)
var4 <- c(0, 0, 1, 1, 0)
var5 <- c(1, 1, 0, 0, 0)
dat <- data.frame(var1,var2,var3,var4,var5)
dat <- as.matrix(dat)

我正在尝试将两个命令合并为一个.首先,我想对列进行聚类,以便将相同的列集中在一起.其次,我希望按列总和对列进行排序.我可以做其中一个,但不能两个都做.

因此,输出应如下所示:

var2 var1 var5 var3 var4
   1    1    1    0    0
   1    0    1    0    0
   1    1    0    1    1
   1    1    0    1    1
   1    0    0    0    0

最高列总和不需要位于左侧.

我尝试使用这个命令:

 csums <- dat[,order(colSums(dat,na.rm=TRUE))]

但是这些列不是按相似性聚类的.也许有一种基于相似性的聚类方式,以列总和为条件.

Answer 1

这是一个奇怪的解决方案.您可以通过列的折叠字符串表示进行二次排序,这将作为具有相等列集的仲裁器colSums().这将确保将相同的列聚集在一起,因为它们将按字典顺序排列在一起.

dat[,order(decreasing=T,colSums(dat,na.rm=T),apply(dat,2L,paste,collapse=''))];
##      var2 var1 var5 var3 var4
## [1,]    1    1    1    0    0
## [2,]    1    0    1    0    0
## [3,]    1    1    0    1    1
## [4,]    1    1    0    1    1
## [5,]    1    0    0    0    0