基于多变量的聚类观测
我正在寻找一个r函数来根据两个变量在我的数据集中创建集群(希望“集群”是我想要做的事情的正确名称)。对于variable_1或variable_2，每两个值相同的观测都应该在同一个集群中。在下面的简单示例中，我基于variable_1和variable_2聚合了数据框架df。
df <- data.frame(variable_1=c("a","a","b","b","c","c","d","d","e","e"),variable_2=c("g1","g2","g1","g3","g2","g4","g4","g6","g7","g8"),value=rnorm(10))
df$clusters <- some_function_to_create_clusters(df[,c("variable_1","variable_2")])结果应该是：
df$clusters <- c("clu1","clu1","clu1","clu1","clu1","clu1","clu1","clu1","clu2","clu2")
df注意，第一个集群包含每个variable_1等于"a“、"b”、"c“或"d”的人："a“和"b”合并在一起是因为他们共享"g1“(第1和第3行)；"a”和"c“是因为共享"g2”(第2和5行)；"c“和”d“是因为共享"g4”(第6和7行)。最后，在最后一个集群中，只有使用variable_1=="e“的观察，因为它们不与任何人共享variable_2。
为了澄清我打算做什么，我会更好地解释我的问题集。我要把县和附近的旅游景点结合起来。不同的县被不同的旅游景点( TA )所环绕，在同一县周围有许多旅游景点。但是这种由县和塔组成的“旅游集群”在这个国家的分布很少。请注意，一些遥远的县可能在同一集群内，由于县-旅游吸引联系的“链”效应。因此，我想找到那些“集群”，基于这个县的特性和旅游吸引力。
这看起来很简单，但我想不出如何实现。
非常感谢
回答 2
Stack Overflow用户
发布于 2019-12-10 03:55:25
图像解
免责声明:我对problem完全陌生，所以可能有一个更好的解决这个问题的方法。然而，这似乎是可行的。
使用igraph包，我们可以使用graph_from_data_frame()函数对数据进行聚类，然后使用components提取集群。你还有一个额外的优势，那就是能够将集群可视化。
library(igraph)
graph <- graph_from_data_frame(df[, 1:2], directed = FALSE)
cmp <- components(graph)$membership
df$cluster <- cmp[df$variable_1]
plot(graph)
把它包装成一个函数
如果您想要将它作为一个函数来包装，这样的操作是可行的：
find_clusters <- function(x, y) {
edges <- data.frame(from = x, to = y)
graph <- igraph::graph_from_data_frame(edges, directed = FALSE)
cmp <- igraph::components(graph)$membership
return(cmp[x])
}因此，使用上面作为注释发布的附加示例，我们有以下工作流：
library(dplyr)
df <- data.frame(
variable_1 = c("a", "a", "b", "b", "c", "c", "d", "d", "e", "e", "f", "f"),
variable_2 = c( "g1", "g2", "g1", "g3", "g2", "g4", "g4", "g6", "g7", "g8", "g9", "g12"),
value = rnorm(12)
)
df %>%
mutate(cluster = find_clusters(variable_1, variable_2))
# variable_1 variable_2 value cluster
# 1 a g1 -0.03410073 1
# 2 a g2 0.51261548 1
# 3 b g1 0.06470451 1
# 4 b g3 -1.97228101 1
# 5 c g2 -0.39751063 1
# 6 c g4 0.17761619 1
# 7 d g4 -0.13771207 1
# 8 d g6 -0.72183017 1
# 9 e g7 0.09012701 2
# 10 e g8 0.45763593 2
# 11 f g9 -0.83172613 3
# 12 f g12 2.83480352 3Stack Overflow用户
发布于 2019-12-10 02:03:46
所以，我写了一个函数来实现我所需要的。它是丑陋的，但它正在起作用。如果有人有一个更好/更有效的解决方案，我将非常感激。
find_clusters <- function(original_df){
find_clus <- original_df
cluster_number <- 1
find_clus$cluster <- "cl"
i=1
for(i in 1:nrow(find_clus)){
if(nchar(find_clus$cluster[i])>2) next
aux <- lapply(original_df,function(x){ which(x==x[i])})%>% reshape2::melt()
idx <- aux$value %>%unique() %>%sort()
j = 1
while(j <= length(idx)){
aux <- lapply(original_df,function(x){ which(x==x[idx[j]])})%>% reshape2::melt()
idx <- c( idx, aux$value) %>%unique() %>% sort()
j <- j+1
}
find_clus$cluster[idx] <- paste0("cl",sprintf("%04d", cluster_number))
cluster_number<- cluster_number +1
}
return(find_clus$cluster)
}因此，要找到应该编写的集群：
find_clusters(df[,c(1,2)])https://stackoverflow.com/questions/59257760
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号