r - 按 R 中的条件从 data.frame 中(几乎)相等的列列表

Question

首先没有详细信息

我有像这样的data.frame:

  val1 val2 val3 val4 val5
1  1.1    2  1.1  2.1  4.2
2  5.7    5  5.6  4.9  9.9
3  3.1    3  3.2  2.9  5.9
4  9.6    1  9.5  1.0  2.0

并且想要获得(几乎)相等的行。期望的结果类似于

[1] "val1" "val2" "val5"

因为列 val3 几乎等于 val1，val4 几乎等于 val2 和 val5 不同。

详细信息:

• “几乎”等于是什么意思(只是下面列出的选项之一):
  
  • 值的绝对差值小于固定数字(上面的示例为 0.2)
  • 值的相对差异小于固定数字(样本约为 11%)
  • 其他有意义的指标；-)
• 线性相关列的列表会更好(但我认为这更复杂)(这意味着 val5 也是由 val2< 形成的组的一部分 和 val4 因为它大约是值的两倍)
• 它不必太快，O(n^2) 就可以了。 (我的框架只有大约 12 行和 300 列)
• 如果这是不可能的，完全相等的列列表也可以以某种方式工作。然后我会在之前应用round()函数

Answer 1

如何选择相等的行还没有明确定义；例如，您可以有三列，其中 A 和 B 是“相等”，B 和 C 是“相等”，但 A 和 C 不是。那该怎么办呢？解决这个问题的一种方法可能是使用层次聚类，可能像这样:

使用Andrie回答中的数据，首先将其转置并使其成为矩阵；我还将标准化每一行(什么是列)作为寻找线性组合的开始；这将对彼此精确倍数的行进行分组，但不会对更复杂的组合进行分组。

d <- t(as.matrix(d))
s <- rowSums(d)
ds <- sweep(d, 1, s, `/`)

我们现在制作一棵树，出于兴趣，将其绘制出来。这使用默认距离函数(欧几里得)，但其他距离函数也是可能的。

tree <- hclust(dist(ds))
plot(tree)

然后，我们选择将树分成几组的位置(您可以在此处选择两棵树必须有多接近才能“相等”)；我将其与值的总和一起输出，以查看是否有一个是另一个的倍数。

> grp <- cutree(tree, h=0.1)
> cbind(grp, s)

     grp    s
val1   1 19.5
val2   2 11.0
val3   1 19.4
val4   2 10.9
val5   2 22.0