根据矩阵值在R中创建一定大小的组答案

【问题标题】：Creating groups of certain size in R according to matrix values根据矩阵值在R中创建一定大小的组
【发布时间】：2020-08-04 08:05:39
【问题描述】：

我有 30 个样本，我想测试它们之间的相互作用。我可以同时测试 4 次交互（第 1 次与第 2 次，第 2 次与第 3 次，第 3 次与第 4 次，第 4 次与第 1 次）。我想找出 4 个成对交互的最佳组。

我创建了所有成对交互的矩阵：

combinations1 <- combn (specimens, 2, fun = NULL, smiplify = TRUE)

现在我想创建大小为 4 的组，其中第一对的第二个元素与第二对的第一个元素具有相同的值：(a,b), (b,c), (c,d) , (d,a)。

我尝试了 apply 和 external，但是我不知道如何编写函数来获得所需的结果。聚合也可以吗？

我是 R 和编程的新手，在此先抱歉。谢谢！ :)

【问题讨论】：

标签： r matrix grouping

【解决方案1】：

基本理念

由于您打算将事物按 4 分组并在每个组中进行链式配对，因此您实际上通过两个步骤来完成：

通过combn(df, 4, ..., simplify = FALSE) 枚举大小为4 的所有组合，其中simplify = FALSE 在列表中给出结果。
在combn(...) 中，我们定义了一个函数FUN = function(x) lapply(seq_along(x),function(k) x[c(k,k%%ncol(x)+1)]) 或FUN = function(x) lapply(seq_along(x),function(k) x[c(k,k%%length(x)+1)])，对每个组合执行该函数以生成逐链对。

代码

combn(df,4,FUN = function(x) lapply(seq_along(x),function(k) x[c(k,k%%ncol(x)+1)]),simplify = FALSE)

这样

[[1]]
[[1]][[1]]
          V1          V2
1 -0.6264538  0.57578135
2  0.1836433 -0.30538839
3 -0.8356286  1.51178117
4  1.5952808  0.38984324
5  0.3295078 -0.62124058
6 -0.8204684 -2.21469989
7  0.4874291  1.12493092
8  0.7383247 -0.04493361

[[1]][[2]]
           V2          V3
1  0.57578135 -0.01619026
2 -0.30538839  0.94383621
3  1.51178117  0.82122120
4  0.38984324  0.59390132
5 -0.62124058  0.91897737
6 -2.21469989  0.78213630
7  1.12493092  0.07456498
8 -0.04493361 -1.98935170

[[1]][[3]]
           V3          V4
1 -0.01619026  0.61982575
2  0.94383621 -0.05612874
3  0.82122120 -0.15579551
4  0.59390132 -1.47075238
5  0.91897737 -0.47815006
6  0.78213630  0.41794156
7  0.07456498  1.35867955
8 -1.98935170 -0.10278773

[[1]][[4]]
           V4         V1
1  0.61982575 -0.6264538
2 -0.05612874  0.1836433
3 -0.15579551 -0.8356286
4 -1.47075238  1.5952808
5 -0.47815006  0.3295078
6  0.41794156 -0.8204684
7  1.35867955  0.4874291
8 -0.10278773  0.7383247


[[2]]
[[2]][[1]]
          V1          V2
1 -0.6264538  0.57578135
2  0.1836433 -0.30538839
3 -0.8356286  1.51178117
4  1.5952808  0.38984324
5  0.3295078 -0.62124058
6 -0.8204684 -2.21469989
7  0.4874291  1.12493092
8  0.7383247 -0.04493361

[[2]][[2]]
           V2          V3
1  0.57578135 -0.01619026
2 -0.30538839  0.94383621
3  1.51178117  0.82122120
4  0.38984324  0.59390132
5 -0.62124058  0.91897737
6 -2.21469989  0.78213630
7  1.12493092  0.07456498
8 -0.04493361 -1.98935170

[[2]][[3]]
           V3          V5
1 -0.01619026  0.38767161
2  0.94383621 -0.05380504
3  0.82122120 -1.37705956
4  0.59390132 -0.41499456
5  0.91897737 -0.39428995
6  0.78213630 -0.05931340
7  0.07456498  1.10002537
8 -1.98935170  0.76317575

[[2]][[4]]
           V5         V1
1  0.38767161 -0.6264538
2 -0.05380504  0.1836433
3 -1.37705956 -0.8356286
4 -0.41499456  1.5952808
5 -0.39428995  0.3295078
6 -0.05931340 -0.8204684
7  1.10002537  0.4874291
8  0.76317575  0.7383247


[[3]]
[[3]][[1]]
          V1          V2
1 -0.6264538  0.57578135
2  0.1836433 -0.30538839
3 -0.8356286  1.51178117
4  1.5952808  0.38984324
5  0.3295078 -0.62124058
6 -0.8204684 -2.21469989
7  0.4874291  1.12493092
8  0.7383247 -0.04493361

[[3]][[2]]
           V2          V4
1  0.57578135  0.61982575
2 -0.30538839 -0.05612874
3  1.51178117 -0.15579551
4  0.38984324 -1.47075238
5 -0.62124058 -0.47815006
6 -2.21469989  0.41794156
7  1.12493092  1.35867955
8 -0.04493361 -0.10278773

[[3]][[3]]
           V4          V5
1  0.61982575  0.38767161
2 -0.05612874 -0.05380504
3 -0.15579551 -1.37705956
4 -1.47075238 -0.41499456
5 -0.47815006 -0.39428995
6  0.41794156 -0.05931340
7  1.35867955  1.10002537
8 -0.10278773  0.76317575

[[3]][[4]]
           V5         V1
1  0.38767161 -0.6264538
2 -0.05380504  0.1836433
3 -1.37705956 -0.8356286
4 -0.41499456  1.5952808
5 -0.39428995  0.3295078
6 -0.05931340 -0.8204684
7  1.10002537  0.4874291
8  0.76317575  0.7383247


[[4]]
[[4]][[1]]
          V1          V3
1 -0.6264538 -0.01619026
2  0.1836433  0.94383621
3 -0.8356286  0.82122120
4  1.5952808  0.59390132
5  0.3295078  0.91897737
6 -0.8204684  0.78213630
7  0.4874291  0.07456498
8  0.7383247 -1.98935170

[[4]][[2]]
           V3          V4
1 -0.01619026  0.61982575
2  0.94383621 -0.05612874
3  0.82122120 -0.15579551
4  0.59390132 -1.47075238
5  0.91897737 -0.47815006
6  0.78213630  0.41794156
7  0.07456498  1.35867955
8 -1.98935170 -0.10278773

[[4]][[3]]
           V4          V5
1  0.61982575  0.38767161
2 -0.05612874 -0.05380504
3 -0.15579551 -1.37705956
4 -1.47075238 -0.41499456
5 -0.47815006 -0.39428995
6  0.41794156 -0.05931340
7  1.35867955  1.10002537
8 -0.10278773  0.76317575

[[4]][[4]]
           V5         V1
1  0.38767161 -0.6264538
2 -0.05380504  0.1836433
3 -1.37705956 -0.8356286
4 -0.41499456  1.5952808
5 -0.39428995  0.3295078
6 -0.05931340 -0.8204684
7  1.10002537  0.4874291
8  0.76317575  0.7383247


[[5]]
[[5]][[1]]
           V2          V3
1  0.57578135 -0.01619026
2 -0.30538839  0.94383621
3  1.51178117  0.82122120
4  0.38984324  0.59390132
5 -0.62124058  0.91897737
6 -2.21469989  0.78213630
7  1.12493092  0.07456498
8 -0.04493361 -1.98935170

[[5]][[2]]
           V3          V4
1 -0.01619026  0.61982575
2  0.94383621 -0.05612874
3  0.82122120 -0.15579551
4  0.59390132 -1.47075238
5  0.91897737 -0.47815006
6  0.78213630  0.41794156
7  0.07456498  1.35867955
8 -1.98935170 -0.10278773

[[5]][[3]]
           V4          V5
1  0.61982575  0.38767161
2 -0.05612874 -0.05380504
3 -0.15579551 -1.37705956
4 -1.47075238 -0.41499456
5 -0.47815006 -0.39428995
6  0.41794156 -0.05931340
7  1.35867955  1.10002537
8 -0.10278773  0.76317575

[[5]][[4]]
           V5          V2
1  0.38767161  0.57578135
2 -0.05380504 -0.30538839
3 -1.37705956  1.51178117
4 -0.41499456  0.38984324
5 -0.39428995 -0.62124058
6 -0.05931340 -2.21469989
7  1.10002537  1.12493092
8  0.76317575 -0.04493361

编辑

如果只需要列名，可以试试

combn(names(df),4,FUN = function(x) lapply(seq_along(x),function(k) x[c(k,k%%length(x)+1)]),simplify = FALSE)

这样

[[1]]
[[1]][[1]]
[1] "V1" "V2"

[[1]][[2]]
[1] "V2" "V3"

[[1]][[3]]
[1] "V3" "V4"

[[1]][[4]]
[1] "V4" "V1"


[[2]]
[[2]][[1]]
[1] "V1" "V2"

[[2]][[2]]
[1] "V2" "V3"

[[2]][[3]]
[1] "V3" "V5"

[[2]][[4]]
[1] "V5" "V1"


[[3]]
[[3]][[1]]
[1] "V1" "V2"

[[3]][[2]]
[1] "V2" "V4"

[[3]][[3]]
[1] "V4" "V5"

[[3]][[4]]
[1] "V5" "V1"


[[4]]
[[4]][[1]]
[1] "V1" "V3"

[[4]][[2]]
[1] "V3" "V4"

[[4]][[3]]
[1] "V4" "V5"

[[4]][[4]]
[1] "V5" "V1"


[[5]]
[[5]][[1]]
[1] "V2" "V3"

[[5]][[2]]
[1] "V3" "V4"

[[5]][[3]]
[1] "V4" "V5"

[[5]][[4]]
[1] "V5" "V2"

数据

set.seed(1)
df <- as.data.frame(matrix(rnorm(40),ncol = 5))

【讨论】：

谢谢，但不完全是。为简化起见，我有 30 个人（细菌类型），所以如果我想用其他人测试每个人，我会得到 435 对。我可以同时测试4个人（a，b，c，d），这也意味着同时测试4对：a-b，b-c，c-d，d-a。因此，我创建了对，我想将这些对分成 4 组，如前所述。
是的，但我没有任何价值观。例如，我有 30 个人，我想知道他们是如何互动的。我可以通过让他们坐在桌子旁来做到这一点。只有坐在每只水獭旁边的人可以互动（我可以测试他们的互动），而不是坐在对角线的人。所以我创建了一对矩阵（2行：一对中的第一个个体和一对中的第二个个体），必须对其进行测试（例如 1-2, 1-3, 1-4, ... , 2-3, 2 -4, 2-5, ... , 29-30)。
所以现在我想创建组：如何每次让 4 人坐在一张桌子上，以便在最短的时间内测试所有个人。我希望这能澄清一些事情？
@Katarina_1 我希望我的最新更新符合您的意图
谢谢你，你很接近。但不需要每种组合的数据。我没有每一列的数据。我只需要所有组（四对）的列表。如果您解释了代码的每个部分，那将是惊人的，所以也许我可以自己尝试一下？