r - r 中大约 10 个因子的集群中共存的饼图

Question

我有一个包含大约 30000 个集群和 10 个这样的因素的两列数据集：

cluster-1 Factor1
cluster-1 Factor2
...
cluster-2 Factor2
cluster-2 Factor3
...

我想代表集群集中因素的共现。类似“1234 个集群中的 Factor1+Factor3+Factor5”，等等不同的组合。我想我可以像饼图这样的东西，但是有 10 个因素，我认为可能有太多的组合。

什么是表示这一点的好方法？

Answer 1

这里有一个很好的编程问题需要解决：

如何计算不同聚类中因子同时出现的次数？

首先模拟一些数据：

n = 1000

set.seed(12345)
n.clusters = 100
clusters = rep(1:n.clusters, length.out=n)

n.factors = 10
factors = round(rnorm(n, n.factors/2, n.factors/5))
factors[factors > n.factors] = n.factors
factors[factors < 1] = 1

data = data.frame(cluster=clusters, factor=factors)

> data
  cluster factor
1       1      6
2       2      6
3       3      5
4       4      4
5       5      6
6       6      1
...

然后这里是可用于将每个因素组合在集群中出现的次数制成表格的代码：

counts = with(data, table(tapply(factor, cluster, function(x) paste(as.character(sort(unique(x))), collapse=''))))

这可以表示为一个简单的饼图，例如，

dev.new(width=5, height=5)
pie(counts[counts>1])

但是像这样的简单计数通常最有效地显示为排序表。有关这方面的更多信息，请查看Edward Tufte。