我遇到了一个我不理解的问题。这是对此处和此处建议答案的跟进。
我有两个结构完全相同的数据集。一个我创建为可重现的示例,代码可以正常运行;另一个是真实数据集,代码无法运行。在盯着它看了几个小时后,我找不到导致错误的原因。以下是可以运行的示例:
错误信息(在
我有两个结构完全相同的数据集。一个我创建为可重现的示例,代码可以正常运行;另一个是真实数据集,代码无法运行。在盯着它看了几个小时后,我找不到导致错误的原因。以下是可以运行的示例:
df <- data.table(cbind(rep(seq(1,25), each = 4 )), cbind(rep(seq(1,40), length.out = 100)))
colnames(df) <- c("a", "b") #ignore warning
setkey(df, a, b)
我只是想创建一个可重复的示例。当我应用所提及的SO文章中建议的略微调整的代码时,我得到了我想要的东西:一个稀疏矩阵,指示列b中两个元素在列a的值下同时出现的情况。
library(Matrix)
s <- sparseMatrix(
df$a,
df$b,
dimnames = list(
unique(df$a),unique(df$b)), x = 1)
v <- t(s) %*% s
现在我正在处理我的真实数据集,这个数据集比较长,在我的眼中,我正在做完全相同的事情。
下面是一个dput
的示例:
test <- dput(dk[1:50,])
structure(list(pid = c(204L, 204L, 207L, 254L, 254L, 258L, 258L,
258L, 258L, 258L, 265L, 265L, 269L, 269L, 269L, 269L, 1520L,
1520L, 1520L, 1520L, 1532L, 1532L, 1534L, 1534L, 1534L, 1534L,
1539L, 1539L, 1543L, 1543L, 1546L, 1546L, 1546L, 1546L, 1546L,
1546L, 1546L, 1549L, 1549L, 1549L, 1559L, 1559L, 1559L, 1559L,
1559L, 1559L, 1559L, 1561L, 1561L, 1561L), cid = c(11023L, 11787L,
14232L, 14470L, 14480L, 1290L, 1637L, 4452L, 13964L, 14590L,
17814L, 23453L, 6658L, 10952L, 17259L, 27549L, 11034L, 22748L,
23345L, 23347L, 10487L, 11162L, 15570L, 15629L, 17983L, 17999L,
17531L, 22497L, 14425L, 14521L, 11495L, 24948L, 24962L, 24969L,
24972L, 24973L, 30627L, 17886L, 18428L, 23972L, 13890L, 13936L,
14432L, 21230L, 21271L, 21384L, 21437L, 341L, 354L, 6302L)), .Names = c("pid",
"cid"), sorted = c("pid", "cid"), class = c("data.table", "data.frame"
), row.names = c(NA, -50L), .internal.selfref = <pointer: 0x0000000000100788>)
然后当我运行相同的公式时,出现了错误。
s <- sparseMatrix(test$pid,test$cid,dimnames = list(unique(test$pid), unique(test$cid)),x = 1)
错误信息(在
test
数据集中也会出现)如下:Error in validObject(r) :
invalid class “dgTMatrix” object: length(Dimnames[[1]])' must match Dim[1]
如果我删除dimnames
,问题就消失了,但我真的需要这些dimnames
才能理解结果。我肯定错过了一些显而易见的东西。有人能告诉我是什么吗?
dim(sparseMatrix(i=test$pid[1:5], j=test$cid[1:5], x=1)) #[1] 254 14480
,而在dimnames中我们提供了length(unique(test$pid[1:5])) #[1] 3
。这必须匹配。另一种方法是将dimnames创建为pid和cid唯一值的最小值:最大值序列。 - akrunlist(ordered(unique(dk$pid)), ordered(unique(dk$cid)))
替换我的解决方案并不起作用...另外,虽然我可以复制你的尺寸结果,但它们怎么可能这么大呢? - SJDS