按列总和对列进行排序，相邻的相同列答案

【问题标题】：Sort columns by column sums, identical columns adjacent按列总和对列进行排序，相邻的相同列
【发布时间】：2016-11-15 06:00:56
【问题描述】：

我有一个由二分值组成的数据集。这是一个非常大的数据集，但这里有一个例子：

var1 <- c(1, 0, 1, 1, 0)
var2 <- c(1, 1, 1, 1, 1)
var3 <- c(0, 0, 1, 1, 0)
var4 <- c(0, 0, 1, 1, 0)
var5 <- c(1, 1, 0, 0, 0)
dat <- data.frame(var1,var2,var3,var4,var5)
dat <- as.matrix(dat)

我正在尝试将两个命令合二为一。首先，我想对列进行聚类，使相同的列集中在一起。其次，我希望按列总和对列进行排序。我可以做一个或另一个，但不能同时做。

所以，输出应该是这样的：

var2 var1 var5 var3 var4
   1    1    1    0    0
   1    0    1    0    0
   1    1    0    1    1
   1    1    0    1    1
   1    0    0    0    0

最高的列总和不必位于左侧。

我尝试使用此命令：

 csums <- dat[,order(colSums(dat,na.rm=TRUE))]

但列不按相似性聚类。也许有一种基于相似度的聚类方法，以列总和为条件。

【问题讨论】：

标签： r sorting sum col

【解决方案1】：

这里有一个奇怪的解决方案。您可以按列的折叠字符串表示进行第二次排序，这将作为具有相等colSums() 的列集的决胜局。这将确保相同的列聚集在一起，因为它们将按字典顺序彼此相邻。

dat[,order(decreasing=T,colSums(dat,na.rm=T),apply(dat,2L,paste,collapse=''))];
##      var2 var1 var5 var3 var4
## [1,]    1    1    1    0    0
## [2,]    1    0    1    0    0
## [3,]    1    1    0    1    1
## [4,]    1    1    0    1    1
## [5,]    1    0    0    0    0

【讨论】：

非常感谢！这非常有效。为什么应用设置中有“2L”，而不仅仅是“2”？还有，粘贴和折叠有什么作用？
听起来collapse 正在作为二级排序程序工作。 collapse = ' ' 究竟是什么意思？
@jj987246 看看apply() documentation。可变参数... 被传递给FUN()，这在我的解决方案中意味着collapse='' 参数将被传递给paste()。转到paste() documentation，我们看到它需要一个collapse 参数，如果指定，该参数用于使用collapse 字符串作为分隔符将最终向量的所有元素折叠成一个元素。

【解决方案2】：

这不是一个聚类（无监督结构发现）问题，而只是一个具有非平凡排序逻辑的排序问题。

根据您的工具提供的功能，您可以

按字典顺序排序，然后按总和稳定排序
如果不同则按总和排序，如果总和相同则按字典顺序排序

【讨论】：