根据值出现的频率分配权重答案

【问题标题】：Assign weights based on frequency of occurrence of values根据值出现的频率分配权重
【发布时间】：2011-09-04 18:09:14
【问题描述】：

我想就我的数据框向您寻求帮助。它是一个包含多个阶段的向量，并且对于每个阶段，我们都有变量的名称。让我们说

vec<-data.frame(phase1= c("var1","var2","var3","var4","var5","var6"),     
                 phase2= c("var1","var3","var4","var2","var6","var5"),    
                 phase3= c("var4","var3","var2","var1","var6","var5"))

 vec
  phase1 phase2 phase3
1   var1   var1   var4
2   var2   var3   var3
3   var3   var4   var2
4   var4   var2   var1
5   var5   var6   var6
6   var6   var5   var5

现在，假设我们对前 3 行感兴趣，因此其中一个变量的权重是 1/3，否则为零。理想情况下，我的函数会像这样输出：

          phase1 phase2 phase3
   var1   0.33   0.33    0
   var2   0.33   0       0.33
   var3   0.33   0.33    0.33
   var4   0      0.33    0.33
   var5   0      0       0
   var6   0      0       0

该函数也应该适用于前 4、5 或所有 6 行（即，权重会随之改变）。问候，亚历克斯

【问题讨论】：

标签： r dataframe frequency

【解决方案1】：

您实际上是在 phase_i 中设置 var_i 的权重，因为 var_i 行的分数出现在 phase_i 中。最简单的方法是使用table() 函数：给定一个离散值向量，它会产生不同值的频率计数。如果您想根据数据框vec 的前 3 行获得所需的权重，您只需执行以下操作：

> sapply(vec[1:3,],table)/3

        phase1    phase2    phase3
var1 0.3333333 0.3333333 0.0000000
var2 0.3333333 0.0000000 0.3333333
var3 0.3333333 0.3333333 0.3333333
var4 0.0000000 0.3333333 0.3333333
var5 0.0000000 0.0000000 0.0000000
var6 0.0000000 0.0000000 0.0000000

同样，如果您想使用前 4 行：

> sapply(vec[1:4,],table)/4
     phase1 phase2 phase3
var1   0.25   0.25   0.25
var2   0.25   0.25   0.25
var3   0.25   0.25   0.25
var4   0.25   0.25   0.25
var5   0.00   0.00   0.00
var6   0.00   0.00   0.00

【讨论】：

【解决方案2】：

您可以使用%in% 查找匹配项并使用ifelse 设置权重：

set_weigth <- function(x, v, w) ifelse(x%in%v,w,0)
as.data.frame(lapply(vec, set_weigth, v=vec$phase1[1:3], w=0.33))

【讨论】：

【解决方案3】：

我相信您正在寻找这个：

n<-3
l<-dim(vec)[1]
wghts<-c(rep(1/n, n), rep(0, l-n))
result<-do.call(cbind, lapply(vec, function(curcol){
        wghts[match(curcol, vec$phase1)]
    }))

如果需要，您可以添加：

rownames(result)<-vec$phase1

【讨论】：