r - 计算相似性百分比或计算 2 个以上对象之间的相关性

Question

假设我有四个对象 (a,b,c,d)，我要求五个人根据其物理外观或其他内容给它们贴上标签(类别 1 或 2)。五人为这些物体提供的标签如下

df <- data.frame(a = c(1,2,1,2,1), b=c(1,2,2,1,1), c= c(2,1,2,2,2), d=c(1,2,1,2,1))

以表格格式，

 ---------
  a b c d
 ---------
  1 1 2 1
  2 2 1 2
  1 2 2 1
  2 1 2 2
  1 1 2 1
----------

现在我想计算一组对象被赋予相同标签(1 或 2)的次数百分比。例如，对象a、b和d被5人中的3人给予相同的标签。所以它的百分比是 3/5 (=60%)。而由于对象a和d被所有人赋予相同的标签，因此其百分比为5/5(=100%)

我可以手动计算此统计数据，但在我的原始数据集中，我有 50 个这样的对象，人员为 30，标签为 4(1、2、3 和 4)。如何自动计算这个更大的数据集的统计数据？ R 中是否有任何现有的软件包/工具可以计算此类统计信息？

注意:组可以是任意大小。在第一个示例中，组由 a、b 和 d 组成，而第二个示例组由 a 和 d 组成。

Answer 1

这里有两个任务:首先，列出所有相关组合，其次，评估和聚合行相似性。 combn 可以启动第一个任务，但是需要一些操作才能将结果排列成一个整齐的列表。第二个任务可以使用 prop.table 来处理，但这里直接计算更简单。

这里我使用了 tidyverse 语法(主要是 purrr，这对于处理列表很有帮助)，但如果您愿意，可以转换为基数。

library(tidyverse)

map(2:length(df), ~combn(names(df), .x, simplify = FALSE)) %>%    # get combinations
    flatten() %>%    # eliminate nesting
    set_names(map_chr(., paste0, collapse = '')) %>%    # add useful names
    # subset df with combination, see if each row has only one unique value
    map(~apply(df[.x], 1, function(x){n_distinct(x) == 1})) %>% 
    map_dbl(~sum(.x) / length(.x))    # calculate TRUE proportion

##   ab   ac   ad   bc   bd   cd  abc  abd  acd  bcd abcd 
##  0.6  0.2  1.0  0.2  0.6  0.2  0.0  0.6  0.2  0.0  0.0