根据值的出现频率分配权重

如何解决根据值的出现频率分配权重

| 我想请教我有关数据框的问题。它是多个阶段的向量，每个阶段都有变量的名称。可以说

vec<-data.frame(phase1= c(\"var1\",\"var2\",\"var3\",\"var4\",\"var5\",\"var6\"),phase2= c(\"var1\",\"var6\",\"var5\"),phase3= c(\"var4\",\"var1\",\"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，假设我们对前三行感兴趣，因此其中三行的权重为1/3，否则为零。我的函数理想情况下将输出sth：

          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

该功能还应该适用于前4、5或全部6行（即权重将随之变化）。 问候， 亚历克斯     

解决方法

        我相信您正在寻找：

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

    ,        您可以使用

%in%

查找匹配项，并使用

ifelse

设置匹配项：

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))

    ,        您实际上是在

phase_i

中设置

var_i

的权重，因为在

phase_i

中出现行

var_i

的比例。最简单的方法是使用

table()

函数：给定离散值向量，它将产生不同值的频率计数。如果要基于数据帧

vec

的前三行获得所需的权重，则只需执行以下操作：

> 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，如果要使用前4行，请执行以下操作：

> 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