我想知道R中是否有内置函数可以找到两个数组之间的余弦相似度(或余弦距离)？
目前,我实现了自己的功能,但我不禁认为R应该已经配备了一个.
我在R中有一个示例代码如下:
library(igraph)
rm(list=ls())
dat=read.csv(file.choose(),header=TRUE,row.names=1,check.names=T) # read .csv file
m=as.matrix(dat)
net=graph.adjacency(adjmatrix=m,mode="undirected",weighted=TRUE,diag=FALSE)
我使用csv文件作为输入,其中包含以下数据:
23732 23778 23824 23871 58009 58098 58256
23732 0 8 0 1 0 10 0
23778 8 0 1 15 0 1 0
23824 0 1 0 0 0 0 0
23871 1 15 0 0 1 5 0
58009 0 0 0 1 0 7 0
58098 10 1 0 5 7 0 1
58256 0 0 0 0 0 1 0
在此之后,我使用以下命令检查重量值:
E(net)$weight
预期输出有点像这样:
> E(net)$weight
[1] …我有一个名单列表,如:
names = ['A', 'B', 'C', 'D']
和文件清单,在每个文件中提到了一些这些名称.
document =[['A', 'B'], ['C', 'B', 'K'],['A', 'B', 'C', 'D', 'Z']]
我想得到一个输出作为共现矩阵,如:
A B C D
A 0 2 1 1
B 2 0 2 1
C 1 2 0 1
D 1 1 1 0
在R中有一个针对这个问题的解决方案(创建共生矩阵),但我无法在Python中实现.我想在熊猫中做到这一点,但还没有进展!
我是 R 的新手，目前正在处理边缘列表形式的协作数据，该列表具有 32 列和大约 200.000 行。我想根据国家之间的相互作用创建一个（共）现矩阵。但是，我想通过对象的总数来计算交互次数。
如果在一行中“England”出现了 3 次而“China”只出现了一次，结果应该是下面的矩阵。
England China
England 3 3
China 3 1
df <- data.frame(ID = c(1,2,3,4),
V1 = c("England", "England", "China", "England"),
V2 = c("Greece", "England", "Greece", "England"),
V32 = c("USA", "China", "Greece", "England"))
因此，示例数据框当前看起来像这样：
ID V1 V2 ... V32
1 England Greece USA
2 England England China
3 China Greece Greece
4 England England England
.
.
.
我想逐行计算（共）出现并且与顺序无关，以获得一个（共）出现矩阵，该矩阵说明边缘循环（例如英格兰 - 英格兰）的低频，这导致以下结果：
China England Greece USA
China 2 2 2 …我有一个简单的矩阵,例如
test <- matrix(c("u1","p1","u1","p2","u2","p2","u2",
"p3","u3","p1","u4","p2","u5","p1",
"u5","p3","u6","p3","u7","p4","u7",
"p3","u8","p1","u9","p4"),
ncol=2,byrow=TRUE)
colnames(test) <- c("user","product")
test1<-as.data.frame(test)
测试:
user product
1 u1 p1
2 u1 p2
3 u2 p2
4 u2 p3
5 u3 p1
6 u4 p2
7 u5 p1
8 u5 p3
9 u6 p3
10 u7 p4
11 u7 p3
12 u8 p1
13 u9 p4
我想算一下有多少用户一起购买产品对,比如p1&p2,p2和p3 ......
table(test1$product,test1$product) 给我这个:
p1 p2 p3 p4
p1 4 0 0 0
p2 0 3 0 0
p3 0 0 4 0
p4 0 0 …我有一个看起来像这样的数据框(这只是一个子集,实际上数据集有2724098行)
> head(dat)
chr start end enhancer motif
chr10 238000 238600 9_EnhA1 GATA6
chr10 238000 238600 9_EnhA1 GATA4
chr10 238000 238600 9_EnhA1 SRF
chr10 238000 238600 9_EnhA1 MEF2A
chr10 375200 375400 9_EnhA1 GATA6
chr10 375200 375400 9_EnhA1 GATA4
chr10 440400 441000 9_EnhA1 GATA6
chr10 440400 441000 9_EnhA1 GATA4
chr10 440400 441000 9_EnhA1 SRF
chr10 440400 441000 9_EnhA1 MEF2A
chr10 441600 442000 9_EnhA1 SRF
chr10 441600 442000 9_EnhA1 MEF2A
我能够将我的数据集转换为这种格式,其中chr,start,end和enhancer组代表一个ID:
> dat
id motif
1 GATA6
1 GATA4
1 SRF
1 …我有一个这样的数据框。的id每一行的是唯一的，并且type限定了该组的id。
id type
a a1
b a1
c a2
d a3
e a4
f a4
我想制作一个如下所示的矩阵。如果两者id属于同一个type，则值为1 ，否则为 0。
a b c d e f
a 1 1 0 0 0 0
b 1 1 0 0 0 0
c 0 0 1 0 0 0
d 0 0 0 1 0 0
e 0 0 0 0 1 1
f 0 0 0 0 1 1
数据框很大（超过 7 万行），我不知道如何在 R …
R新手.我正在尝试使用水平数据创建共生矩阵.我想知道哪些元素在行中共同出现'TRUE'.
每行代表一篇文章.每篇文章都有许多标记元素存在与否的真/假变量.这里有100个元素,缩写为10k以上.所以10,000 x 101数据帧.
dat <- read.table(text='"article" "element1" "element2" "element3" "element4"
1 "a house a home" "TRUE" "TRUE" "FALSE" "FALSE"
2 "cabin in the woods" "TRUE" "TRUE" "FALSE" "FALSE"
3 "motel is a hotel" "TRUE" "FALSE" "TRUE" "FALSE"', header=TRUE)
我尝试跟随这个共现问题(创建共生矩阵),但似乎由于数据的组织方式不同,这种方法不起作用.
如果100个元素x 100个元素,那么有用的将是矩阵.有人有建议吗？
在这个一般领域有很多问题都有很好的解决方案，但我很难将它们应用到我的数据中。我有长格式数据，其中一列为我们提供观察结果，另一列为我们提供观察结果中的成员。我想做的就是计算每个成员与其他成员同时出现的次数。
\n假设我有以下数据集：
\ndf <- data.frame(salad = c(rep("Green", 4), rep("Caprese", 3), rep("Fruit", 3)),\n ingredients = c("Lettuce", "Tomato", "Onion", "Olives",\n "Tomato", "Onion", "Mozzarella",\n "Melon", "Orange", "Tomato"))\n\ndf\n\n salad ingredients\n1 Green Lettuce\n2 Green Tomato\n3 Green Onion\n4 Green Olives\n5 Caprese Tomato\n6 Caprese Onion\n7 Caprese Mozzarella\n8 Fruit Melon\n9 Fruit Orange\n10 Fruit Tomato\n我想要做的是生成一个包含所有可能的成员（成分）组合的表格，并计算它们在观察（沙拉）中同时出现的次数。它看起来像这样：
\nresults\n\n ingredient_A ingredient_B count\n1 Lettuce Tomato 1\n2 Lettuce Onion 1\n3 Lettuce Olives 1\n4 Lettuce Mozzarella 0\n5 Lettuce Melon 0\n6 Lettuce Orange 0\n7 Tomato Onion 2\n8 Tomato Olives 1\n9 Tomato …