从数据框或数据表构建一个方形邻接矩阵

Question

我正在尝试从一个data.table构建一个正方形的邻接矩阵。
以下是我已经拥有的可复制示例：

require(data.table)
require(plyr)
require(reshape2)
# Build a mock data.table
dt <- data.table(Source=as.character(rep(letters[1:3],2)),Target=as.character(rep(letters[4:2],2)))
dt
#   Source Target
#1:      a      d
#2:      b      c
#3:      c      b
#4:      a      d
#5:      b      c
#6:      c      b
sry <- ddply(dt, .(Source,Target), summarize, Frequency=length(Source))
sry
#  Source Target Frequency
#1      a      d         2
#2      b      c         2
#3      c      b         2
mtx <- as.matrix(dcast(sry, Source ~ Target, value.var="Frequency", fill=0))
rownames(mtx) <- mtx[,1]
mtx <- mtx[,2:ncol(mtx)]
mtx
#  b   c   d
#a "0" "0" "2"
#b "0" "2" "0"
#c "2" "0" "0"

现在，这非常接近我想要的东西，只是我希望所有节点在两个维度上都被表示出来，例如：

  a b c d
a 0 0 0 2
b 0 0 2 0
c 0 2 0 0
d 0 0 0 0

请注意，我正在处理相当大的数据，因此希望找到一种高效的解决方案。

谢谢你的帮助。

---

解决方案（编辑）：

鉴于所提供的解决方案的质量和我的数据集的大小，我对所有解决方案进行了基准测试。

#The bench was made with a 1-million-row sample from my original dataset
library(data.table)
aa <- fread("small2.csv",sep="^")
dt <- aa[,c(8,9),with=F]
colnames(dt) <- c("Source","Target")
dim(dt)
#[1] 1000001       2
levs <- unique(unlist(dt, use.names=F))
length(levs)
#[1] 2222

根据这个数据，期望的输出是一个2222*2222的矩阵（第一列包含行名字的2223个解也可以接受）。

# Ananda Mahto's first solution
am1 <- function() {
    table(dt[, lapply(.SD, factor, levs)])
}
dim(am1())
#[1] 2222 2222

# Ananda Mahto's second solution
am2 <- function() {
    as.matrix(dcast(dt[, lapply(.SD, factor, levs)], Source~Target, drop=F, value.var="Target", fun.aggregate=length))
}
dim(am2())
#[1] 2222 2223

library(dplyr)
library(tidyr)
# Akrun's solution
akr <- function() {
    dt %>%
       mutate_each(funs(factor(., levs))) %>%
       group_by(Source, Target) %>%
       tally() %>%
       spread(Target, n, drop=FALSE, fill=0)
}
dim(akr())
#[1] 2222 2223

library(igraph)
# Carlos Cinelli's solution
cc <- function() {
    g <- graph_from_data_frame(dt)
    as_adjacency_matrix(g)
}
dim(cc())
#[1] 2222 2222

基准测试的结果是...

library(rbenchmark)
benchmark(am1(), am2(), akr(), cc(), replications=75)
#    test replications elapsed relative user.self sys.self user.child sys.child
# 1 am1()           75  15.939    1.000    15.636    0.280          0         0
# 2 am2()           75 111.558    6.999   109.345    1.616          0         0
# 3 akr()           75  43.786    2.747    42.463    1.134          0         0
# 4  cc()           75  46.193    2.898    45.532    0.563          0         0

- Vongo

---

从sry开始，这个问题与/相同于https://dev59.com/HWkw5IYBdhLWcg3w1eC7的另一个问题。 - Frank

这个问题是相关的，但绝对不是相同的。我已经得到了这样的结果并进行了演示。根据那个问题的例子数据，我的观点是要获得一个尺寸为c("a","b","c","x","y")的5x5矩阵。 - Vongo

Answer 1

看起来您只是在寻找表格，但应确保两列具有相同的因子水平：

levs <- unique(unlist(dt, use.names = FALSE))
table(lapply(dt, factor, levs))
#       Target
# Source a b c d
#      a 0 0 0 2
#      b 0 0 2 0
#      c 0 2 0 0
#      d 0 0 0 0

我不知道它是否会提供任何速度上的改进，但您也可以使用“data.table”中的dcast。

dcast(lapply(dt, factor, levs), Source ~ Target, drop = FALSE,
      value.var = "Target", fun.aggregate = length)

- A5C1D2H2I1M1N2O1R2T1

---

太棒了。我会研究性能部分并尝试理解您的解决方案是如何工作的。 谢谢！ - Vongo

Answer 2

您也可以使用igraph。由于您提到您正在处理大量数据，igraph的优势在于它使用稀疏矩阵：

library(igraph)
g <- graph_from_data_frame(dt)
as_adjacency_matrix(g)
4 x 4 sparse Matrix of class "dgCMatrix"
  a b c d
a . . . 2
b . . 2 .
c . 2 . .
d . . . .

- Carlos Cinelli

Answer 3

我们可以使用 dplyr/tidyr。

library(dplyr)
library(tidyr)
dt %>% 
   mutate_each(funs(factor(., letters[1:4]))) %>% 
   group_by(Source, Target) %>%
   tally() %>%
   spread(Target, n, drop=FALSE, fill=0)
#  Source     a     b     c     d
#   (fctr) (dbl) (dbl) (dbl) (dbl)
#1      a     0     0     0     2
#2      b     0     0     2     0
#3      c     0     2     0     0
#4      d     0     0     0     0

- akrun