将数值向量的每个元素与因子向量的“最相似”级别相关联答案

【问题标题】：Associate each elements of a numeric vector to the "most similar" level of a factor vector将数值向量的每个元素与因子向量的“最相似”级别相关联
【发布时间】：2016-11-15 13:18:41
【问题描述】：

我有一个数字向量：

x <-c(-18.695, -18.695, 19.477, 0.000, 55.000, 19.477, -18.695, 48.476, 55.000, 37.798, -18.695, 19.477, 37.798, 0.000, -18.695)

和一个因子向量，其水平从levels 函数返回，是：

y <- c("IV-18_7", "IV00", "IV00orig", "IV19_5", "IV37_8", "IV37_8_yp", "IV48_5", "IV48_5_yp", "IV55")

我需要构建一个新的因子向量z，长度与x 相同，但具有y 中列出的级别，并且z 的第i 个元素z[i]是y 与x、x[i] 的对应元素“最相似”的元素。换句话说：

z <-factor(c("IV-18_7", "IV-18_7", "IV19_5", "IV00", "IV55", "IV19_5", "IV-18_7", "IV48_5", "IV55", "IV37_8", "IV-18_7", "IV19_5", "IV37_8", "IV00", "IV-18_7"), levels = y)

这个例子应该让“最相似”的意思相当明显，反正想法是取一个元素x[i]，然后寻找y的元素，它是通过添加一个“IV”前缀得到的，然后添加一个与x[i] 的舍入“相似”的字符串（但不幸的是，不完全相等），最后在数字部分之后没有任何后缀。我不知道如何在 R 中有效地编写代码，您能帮帮我吗？

【问题讨论】：

这将使您非常接近您的示例：paste0("IV", gsub(".", "_", gsub("\\.0$", "", sprintf("%04.1f", round(x, 1))), fixed=TRUE))
它看起来不仅非常接近而且就在现场！谢谢！您为什么不将其写为答案并解释单件的作用？（对我来说）很难理解单行。

标签： r vector match

【解决方案1】：

这是一个可以让你非常接近的单线。

paste0("IV", sub(".", "_", sub("\\.0$", "", sprintf("%04.1f", round(x, 1))), fixed=TRUE))

[1] "IV18_7"  "IV-18_7" "IV19_5"  "IV00"    "IV55"    "IV19_5"  "IV-18_7" "IV48_5"  "IV55" 
[10] "IV37_8"  "IV-18_7" "IV19_5"  "IV37_8"  "IV00"    "IV-18_7"

它的工作原理如下。原始向量 x 舍入到第一个有效数字。然后 sprintf 如果字符数小于 4，则使用“%04.1f”格式将结果填充为前导“0”。此结果将馈送到sub，它会删除任何点（句点）实例，然后是“0”。最后，外部的sub 将点替换为下划线。

【讨论】：

【解决方案2】：

这里有一个解决方案，我先在x2中猜测正确的格式，然后使用编辑距离找到最接近的匹配

x <-c(18.695, -18.695, 19.477, 0.000, 55.000, 19.477, -18.695, 48.476, 55.000, 37.798, -18.695, 19.477, 37.798, 0.000, -18.695)
y <- c("IV-18_7", "IV00", "IV00orig", "IV19_5", "IV37_8", "IV37_8_yp", "IV48_5", "IV48_5_yp", "IV55")

x2 <- rep('', length(x))
for (i in 1:length(x)) {
  x2[i] <- paste0('IV', floor(x[i]), '_', 10 * round(x[i] - floor(x[i]), 1))
}

# define edit distance and find the closest match
dist <- adist(x2, y)
z <- rep('', length(x))
for (i in 1:length(x)) {
  m <- min(dist[i, ])
  w <- which(dist[i, ] == m)
  z[i] <- y[w]
}

【讨论】：

它有效！我不知道adist。在我的环境中，代码运行时会出现一些警告 (In z[i] <- y[w] : number of items to replace is not a multiple of replacement length)，但除此之外，它提供了正确的解决方案。

【解决方案3】：

由于似乎将x 的整数部分（忽略符号）与y 中的前两位数字匹配就足够了，我们可以使用sub 从y 和@ 中提取前两位数字987654325@ floor(abs(x)) 给它作为数字：

x.int <- floor(abs(x))
y.2digits <- as.numeric(sub('.*?([0-9]{2}).*', '\\1', y))
z <- factor(y[match(x.int,y.2digits)],levels=y)
## [1] IV-18_7 IV-18_7 IV19_5  IV00    IV55    IV19_5  IV-18_7 IV48_5  IV55    IV37_8  IV-18_7
##[12] IV19_5  IV37_8  IV00    IV-18_7
##Levels: IV-18_7 IV00 IV00orig IV19_5 IV37_8 IV37_8_yp IV48_5 IV48_5_yp IV55

【讨论】：