- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有以下数据集:
name date cat1 cat2 cat3 cat4 cat5
joe 15/09/2013 A D C D NA
joe 14/09/2013 D A C NA NA
joe 13/09/2013 A C NA NA NA
jack 15/09/2013 G I K D O
jack 14/09/2013 H G O M K
对于每个人,我想计算他们的每个类别相互比较的相似程度的百分比。例如
name percentage
joe 88.9%
jack 60%
请注意,NA 被忽略,类别出现的次数无关紧要。
向您介绍我的逻辑(这可能是错误的,或者可能有更好的方法,如果是的话请说):让我们以乔为例,
- row1 (15/09/2013) compared to row2 (14/09/2013) matches 100%
- row1 (15/09/2013) compared to row3 (13/09/2013) matches 66%
- row2 (14/09/2013) compared to row3 (13/09/2013) matches 66%
- row2 (14/09/2013) compared to row1 (15/09/2013) matches 100%
- row3 (13/09/2013) compared to row1 (15/09/2013) matches 100%
- row3 (13/09/2013) compared to row2 (14/09/2013) matches 100%
所以平均分是88.9%
对于 jack,只有类别 'G'、'K'、'O' 出现在两行中,因此平均得分为 60%
我研究了 R 中的 ddply 函数,但不确定是否可以使用它来创建上面的数据框(名称、百分比)。我认为我应该避免的其他选择是创建一个带有嵌套 for 循环的 R 脚本,因为我确信在 R 中必须有更有效的方法来做到这一点。
我的最后一个选择,可能是最好的方法(因为这个数据框会非常大)是使用 Python,因此如果有人知道如何做到这一点,那就是 Python(我猜我们将使用 Pandas)我会非常感谢一些帮助。
所以要清楚,两个问题:
如果可以使用 ddply,有人可以告诉我怎么做吗,还有人对我如何在 r 中解决这个问题有任何其他想法吗?
有人可以使用上面的小数据框提供一个示例,说明他们将如何在 Python 中解决这个问题吗?
最佳答案
我不明白为什么 row2 vs row3 给出 66%,而 row1 vs row3 给出 100%。我看不到那里的逻辑。
这是我理解的逻辑的实现:
fun <- function(df) {
M <- as.matrix(df)
res1 <- combn(seq_len(nrow(M)), 2, function(ind) {
i <- na.omit(intersect(M[ind[1],], M[ind[2],]))
l <- length(unique(na.omit(M[ind[2],])))
length(i)/l
})
res2 <- combn(rev(seq_len(nrow(M))), 2, function(ind) {
i <- na.omit(intersect(M[ind[1],], M[ind[2],]))
l <- length(unique(na.omit(M[ind[2],])))
length(i)/l
})
c(res1,res2)
}
fun(DF[1:3,3:7])
#[1] 1.0000000 1.0000000 1.0000000 0.6666667 0.6666667 1.0000000
然后我尝试将 ddply
与此函数一起使用,但在惰性求值或范围界定方面存在问题。所以,我转向了 data.table:
library(data.table)
DT <- data.table(DF)
DT[, mean(fun(.SD)), .SDcols=3:7, by=name]
# name V1
#1: joe 0.8888889
#2: jack 0.6000000
我不知道这对您的数据是否足够有效。
关于python - 如何使用 r 计算数据框中一组行的相似程度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19854001/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!