将横截面数据转换为R中的邻接矩阵

Question

我正在尝试将横截面数据转换为邻接矩阵，因为我想分析某些变量与社交网络分析一起出现的频率。 如果经验性的例子对逻辑有所帮助，这基本上类似于让 4 个人选择三个对象；他们可以选择 0 到 3 个对象。我想分析不同对象被一起选择的常见程度，并将其可视化为偏好网络。

数据设置为横截面数据，如下：

ID1 <- c(1,0,0)
ID2 <- c(1,0,1)
ID3 <- c(1,1,1)
ID4 <- c(0,0,0)
IDs <- c("1","2","3","4")
df <- data.frame(rbind(ID1, ID2, ID3, ID4))
df <- cbind(IDs, df)
colnames(df) <- c("ID", "Var1", "Var2", "Var3")

我想为 Var1、Var2 和 Var3 创建一个加权邻接矩阵，每个单元格都包含两个变量在观测值中一起出现的总次数。

所以我考虑的基本过程是为每一行（每个 ID 号）创建一个单独的矩阵，每个单元格用 1 或 0 表示 ID 是否存在两个变量。然后将这些矩阵相加，最终得到的矩阵给出了联合出现的总数。

我一直在环顾四周，但还没有完全正确。我想过使用外部，但它需要按顺序为每一列工作。这个答案非常接近，但我不确定他们是如何将这些值加在一起的。我最终得到了一个矩阵列表，但这些值与初始数据不对应- Convert categorical data in data frame to weighted adjacency matrix。这个答案也很接近，尽管它似乎有不同类型的数据。它给了我一个基于ID的邻接矩阵- http://r.789695.n4.nabble.com/Conversion-to-Adjacency-Matrix-td794102.html

这是为一个观察手动创建矩阵的非常混乱的代码，只是为了让您了解我的目标（使用仅表示第一个 ID 观察的向量）

ID1 <- c(1,0,0)

var1 <- ID1[[1]]
var2 <- ID1[[2]]
var3 <- ID1[[3]]
onetwo <- var1 * var2
onethree <- var1 * var3
twothree <- var2 * var3
oneone <- var1 * var1
twotwo <- var2 * var2
threethree <- var3 * var3
rows1 <- rbind(oneone, onetwo, onethree)
rows2 <- rbind(onetwo, twotwo, twothree)
rows3 <- rbind(onethree, twothree, threethree)
df2 <- cbind(rows1, rows2, rows3)

这显然不理想，我的实际数据集有 198 个观察值和 33 个变量，因此即使使用循环或使用应用函数，它也会非常低效。

我不知道我是否让这变得比需要的更困难，或者我是否试图强迫我的数据做一些它不应该做的事情。但是，如果有人以前遇到过此类任务，请告诉我。有没有办法直接创建所需的邻接矩阵？我应该先将其转移到边缘列表中，有没有好的方法呢？是否有代码可以使第一步（为数据帧的每一行创建一个矩阵）更有效？

感谢您的帮助，

Answer 1

我不确定我是否理解这个问题，但这是你想要的吗？

nc=33
nr=198
m3<-matrix(sample(0:1,nc*nr,replace=TRUE),nrow=nr)
df3<-data.frame(m3)
m3b <-matrix(0,nrow=nc,ncol=nc)
for(i in seq(1,nc)) {
  for (j in seq(1,nc)) {
    t3<-table(df3[,i],df3[,j])
    m3b[i,j] = t3[2,2] # t3[2,2] contains the count of df3[,i] = df3[,j] = 1
    # or
    # t3 = sum(df3[,i]==df3[,j] & df3[,i] == 1)
    # m3b[i,j] = t3
  }
}

或者，如果你想要乘积的总和，如果一切都是 1 或 0，那么它会给出相同的结果

m3c <-matrix(0,nrow=nc,ncol=nc)
for(i in seq(1,nc)) {
  for (j in seq(1,nc)) {
    sv=0
    for (k in seq(1,nr)) {
      vi = df3[k,i]
      vj = df3[k,j]
      sv=sv+vi*vj      
    }
    m3c[i,j] = sv
  }
}