在 R 中的数据表中按降序重新标记簇(列)

Question

假设我有一个数据表

 data = data.table(city = c("NYC", "LA", "Hawaii", "Essex"),
                   population = c(10, 9, 1, 2)
                   )

我对它应用 k-means，我得到质心和标签，在操作之后我得到

data = data.table(city = c("NYC", "LA", "Hawaii", "Essex"),
              population = c(10, 9, 1, 2),
              cluster = c(1, 1, 2, 2),
              centroids = c(9.5, 1.5)
              )

我们在哪里

cluster_centroids <- c(9.5, 1.5)
cluster_labels <- c(1, 2)

如何按降序重新标记簇列的标签，以便所需的结果如下所示:

data = data.table(city = c("NYC", "LA", "Hawaii", "Essex"),
              population = c(10, 9, 1, 2),
              cluster = c(2, 2, 1, 1),
              centroids = c(9.5, 1.5)
              )

我想根据质心中的值对它们进行排序。我希望标签与质心一致，人口越高，标签越高。 (请考虑一般情况，其中有 k 集群并且 cluster 列值中没有顺序。例如，原始集群列的顺序可能像 1 是人口最多的城市，k是人口第二多的城市，等等)

我不想对数据表的行进行排序。我想将纽约市的标签从 1 更改为 2，将夏威夷的标签从 2 更改为 1。例如 (1, 2) 映射到 (2, 1)，以便人口最多的城市被标记为最大标签，并且人口最少的城市标有 1

实际问题中的簇数不是 2。我只是想保持简单。

Answer 1

[更新]以反射(reflect)对原始帖子的澄清:

dt <- data.table(city = c("NYC", "LA", "Hawaii", "Essex"),
                 population = c(10, 9, 1, 2),
                 cluster = c(1, 1, 2, 2)
) %>% group_by(cluster) %>% #create the centroids variable
  mutate(centroid = mean(population)) %>% ungroup()

# implicitly rank the centroids, assigning increasing integers to decreasing vals
#assign the result as the cluster
dt %>% mutate("cluster" = frankv(centroid, ties.method = "dense"))

# A tibble: 4 x 4
  city   population cluster centroid
  <chr>       <dbl>   <int>    <dbl>
1 NYC            10       2      9.5
2 LA              9       2      9.5
3 Hawaii          1       1      1.5
4 Essex           2       1      1.5

[上一页]

您可以使用以下公式对任何变量进行反向编码:max(x)+min(x) - x

dt <- data.table(city = c("NYC", "LA", "Hawaii", "Essex"),
                 population = c(10, 9, 1, 2),
                 cluster = c(1, 1, 2, 2)
) 

dt %>% mutate_at("cluster", ~max(.)+1-.)

    city population cluster
1    NYC         10       2
2     LA          9       2
3 Hawaii          1       1
4  Essex          2       1

或

另一个解决方案是使用 case_when 如果你有超过 2 个类别，并且你不想“反向编码”它们本身:

dt %>% mutate("cluster" = case_when(cluster == 2 ~ 1, cluster == 1 ~ 2))

    city population cluster
1    NYC         10       2
2     LA          9       2
3 Hawaii          1       1
4  Essex          2       1