Восстановить симметричную матрицу по значениям в длинной форме

у меня есть tsv, который выглядит так (длинная форма):

  one   two   value
  a     b     30
  a     c     40
  a     d     20
  b     c     10
  b     d     05
  c     d     30

Я пытаюсь получить это в фрейм данных для R (или панд)

    a  b  c  d 
a   00 30 40 20
b   30 00 10 05 
c   40 10 00 30
d   20 05 30 00

проблема в том, что в моем tsv у меня есть только A,B, а не b, a. Поэтому я получаю много NAs в своем фрейме данных.

конечная цель-получить матрицу расстояний для использования в кластеризации. Любая помощь будет оценена.

6
matrix r reshape

4 ответов

An igraph решение, где вы читаете в фрейме данных, со значением, принятым как Весы ребер. Затем вы можете преобразовать это в матрицу смежности

dat <- read.table(header=T, text=" one   two   value
  a     b     30
  a     c     40
  a     d     20
  b     c     10
  b     d     05
  c     d     30")

library(igraph)

# Make undirected so that graph matrix will be symmetric
g <- graph.data.frame(dat, directed=FALSE)

# add value as a weight attribute
get.adjacency(g, attr="value", sparse=FALSE)
#   a  b  c  d
#a  0 30 40 20
#b 30  0 10  5
#c 40 10  0 30
#d 20  5 30  0
7

еще один подход составляет reshape::cast

df.long = data.frame(one=c('a','a','a','b','b','c'),
                     two=c('b','c','d','c','d','d'),
                     value=c(30,40,20,10,05,30) )

# cast will recover the upper/lower-triangles...
df <- as.matrix( cast(df.long, one ~ two, fill=0) )
#    b  c  d
# a 30 40 20
# b  0 10  5
# c  0  0 30

Итак, мы строим матрицу с полными индексами и вставляем:

df <- matrix(nrow=length(indices), ncol=length(indices),dimnames = list(indices,indices))    
diag(df) <- 0
# once we assure that the full upper-triangle is present and in sorted order (as Robert's answer does), then we
df[upper.tri(df)] <- as.matrix( cast(df.long, one ~ two, fill=0) )
df[lower.tri(df)] <- df[upper.tri(df)]

UPDATE: оригинальный эскиз включал эти ручные kludges

затем те же подходы, чтобы добавить недостающую строку " d "и столбец" a " и заполнить нижний треугольник, добавив транспонировать t(df) :

df <- cbind(a=rep(0,4), rbind(df, d=rep(0,3)))
#   a  b  c  d
# a 0 30 40 20
# b 0  0 10  5
# c 0  0  0 30
# d 0  0  0  0

df + t(df)
#    a  b  c  d
# a  0 30 40 20
# b 30  0 10  5
# c 40 10  0 30
# d 20  5 30  0
2

убедитесь, что ваши данные будут отсортированы tsv=tsv[with(tsv,order(one,two)),], и попробовать это:

n=4
B <- matrix(rep(0,n*n), n)
dimnames(B) <- list(letters[1:n],letters[1:n])
B[lower.tri(B)] <- tsv$value
B[upper.tri(B)]=tsv$value
B
1

можно попробовать

 un1 <- unique(unlist(df1[1:2]))
 df1[1:2] <- lapply(df1[1:2], factor, levels=un1)
 m1 <- xtabs(value~one+two, df1)
 m1+t(m1)
 #    two
 #one  a  b  c  d
 #a    0 30 40 20
 #b   30  0 10  5
 #c   40 10  0 30
 #d   20  5 30  0

или вы используете row/col индекс

  m1 <- matrix(0, nrow=length(un1), ncol=length(un1),
                              dimnames=list(un1, un1))
  m1[cbind(match(df1$one, rownames(m1)), 
               match(df1$two, colnames(m1)))] <- df1$value
  m1+t(m1)
  #   a  b  c  d
  #a  0 30 40 20
  #b 30  0 10  5
  #c 40 10  0 30
  #d 20  5 30  0
1