3

我有以下数据

set.seed(11)
Data<-rbind(c(1:5),c(2:6))


Candidates <- matrix(1:25 + rnorm(25), ncol=5,
dimnames=list(NULL, paste0("x", 1:5)))
 colnames(Data)<-colnames(Candidates)

我想从候选矩阵的每一行中减去我的每一行数据并返回最小的绝对差所以对于第一行我想找出可能的最小误差量

sum(abs(Data[1,]-Candidates[1,]))
sum(abs(Data[1,]-Candidates[2,]))
sum(abs(Data[1,]-Candidates[3,]))
sum(abs(Data[1,]-Candidates[4,]))
sum(abs(Data[1,]-Candidates[5,]))

在这种情况下，它是 38.15826。目前我实际上对找出哪个候选行导致最小绝对偏差并不感兴趣，我只想知道每个数据行的最小绝对偏差。

然后我想得到一个新的数据集，它有我的原始数据和最小的偏差，例如第一行会这样：

x1 x2 x3 x4 x5 MinDev 
1  2  3  4  5  38.15826

我真正的候选矩阵相对较小，但我的真实数据很大，所以目前我只是在构建一个循环

Err[i,]<- min(rbinds( 
    sum(abs(Data[i,]-Candidates[1,])),
    sum(abs(Data[i,]-Candidates[2,]))...))

但我确信有一种更好、更自动化的方法可以做到这一点，以便它可以容纳大型数据矩阵和不同大小的候选矩阵。

有任何想法吗？

4

3 回答 3

4

您可以使用sweep、rowSums和apply自动执行此操作

sum(abs(Data[1,]-Candidates[1,]))  ## 38.15826

测试第一行Data：

min(
    rowSums(abs(
                ## subtract row 1 of Data from each row of Candidates
                sweep(Candidates,2,Data[1,],"-"))))
## 38.15826

为了方便/可读性，将其封装在一个函数中：

getMinDev <- function(x) {
    min(rowSums(abs(sweep(Candidates,2,x,"-"))))
}

现在适用于每一行Data：

cbind(Data,MinDev=apply(Data,1,getMinDev))

可能有一些方法略快于sweep（例如@e4e5f4 的答案中给出的矩阵计算），但这应该是一个很好的基线。我喜欢sweep它，因为它是描述性的，并且不依赖于知道 R 使用列优先矩阵排序。

于 2013-04-21T13:19:31.807 回答
4

您可以使用apply一些矩阵运算：

CalcMinDev <- function(x)
{
    m <- t(matrix(rep(x, nrow(Candidates)), nrow=nrow(Candidates)))
    min(rowSums(abs(m - Candidates)))
}

cbind(Data, MinDev=apply(Data, 1, CalcMinDev))
于 2013-04-21T13:25:50.427 回答
4

按照@BenBolker 的建议将我的评论（使用dist函数 with method="manhattan"）转为答案：

想法：诀窍是，如果您向 提供一个矩阵dist，它会将所有组合的距离作为下三角矩阵返回。

dist(rbind(Candidates, Data), method="manhattan")
#           1         2         3         4         5         6
# 2  8.786827                                                  
# 3 11.039044  3.718396                                        
# 4 16.120267  7.333440  6.041076                              
# 5 21.465682 12.678855 10.426638  5.345415                    
# 6 38.158256 45.763021 48.015238 53.096461 58.441876          
# 7 35.158256 40.763021 44.048344 48.096461 53.441876  5.000000

在这里，第 6 行和第 7 行（从索引 1 到 5）是您感兴趣的距离。因此，基本上，您只需计算索引即可提取您感兴趣的元素。

最终代码如下所示：

idx1 <- seq_len(nrow(Data)) + nrow(Candidates)
idx2 <- seq_len(ncol(Candidates))
tt <- dist(rbind(Candidates, Data), method="manhattan")
transform(Data, minDev = apply(as.matrix(tt)[idx1, idx2], 1, min))
#   x1 x2 x3 x4 x5   minDev
# 6  1  2  3  4  5 38.15826
# 7  2  3  4  5  6 35.15826
于 2013-04-21T14:29:06.457 回答