假设我有一个距离成本矩阵，其中目的地成本和起点成本都需要低于某个阈值 - 例如，100美元 - 才能共享链接。我的难点在于通过对这些地点进行分类来实现一组公共集合：A1连接（目的地成本和起点成本均低于阈值）与A2、A3和A4相连；A2与A1和A4相连；A4与A1和A2相连。因此，A1、A2和A4将被归类为同一组，因为它们之间连接频率最高。以下是一个示例矩阵：
我还添加了“图论”标签，因为我认为这不完全是一个交集问题，在这个问题中，我可以将列表转换为向量，并在R中使用
A1 A2 A3 A4 A5 A6 A7
A1 0 90 90 90 100 100 100
A2 80 0 90 90 90 110 100
A3 80 110 0 90 120 110 90
A4 90 90 110 0 90 100 90
A5 110 110 110 110 0 90 80
A6 120 130 135 100 90 0 90
A7 105 110 120 90 90 90 0
我正在使用Stata编程，但我尚未将矩阵以mata的形式放置。列出字母A和数字的那一列是一个包含矩阵行名的变量，其余列用每个地点的名称命名（例如A1等）。
以下代码返回了每个地点之间链接的列表，可能因为匆忙而显得有些 "bruteforcelly"：
clear all
set more off
//inputting matrix
input A1 A2 A3 A4 A5 A6 A7
0 90 90 90 100 100 100
80 0 90 90 90 100 100
80 110 0 90 120 110 90
90 90 110 0 90 100 90
110 110 110 110 0 90 90
120 130 135 100 90 0 90
105 110 120 90 90 90 0
end
//generate row variable
gen locality=""
forv i=1/7{
replace locality="A`i'" in `i'
}
*
order locality, first
//generating who gets below the threshold of 100
forv i=1/7{
gen r_`i'=0
replace r_`i'=1 if A`i'<100 & A`i'!=0
}
*
//checking if both ways (origin and destiny below threshold)
forv i=1/7{
gen check_`i'=.
forv j=1/7{
local v=r_`i'[`j']
local vv=r_`j'[`i']
replace check_`i'=`v'+`vv' in `j'
}
*
}
*
//creating list of links
gen locality_x=""
forv i=1/7{
preserve
local name = locality[`i']
keep if check_`i'==2
replace locality_x="`name'"
keep locality locality_x
save "C:\Users\user\Desktop\temp_`i'", replace
restore
}
*
use "C:\Users\user\Desktop\temp_1", clear
forv i=2/7{
append using "C:\Users\user\Desktop\temp_`i'"
}
*
//now locality_x lists if A.1 has links with A.2, A.3 etc. and so on.
//the dificulty lies in finding a common intersection between the groups.
这会返回以下列表：
locality_x locality
A1 A2
A1 A3
A1 A4
A2 A1
A2 A4
A3 A1
A4 A1
A4 A2
A4 A7
A5 A6
A5 A7
A6 A5
A6 A7
A7 A4
A7 A5
A7 A6
我想要熟悉集合交集，但我不知道如何在Stata中做。我想要做的是能够重新编程阈值并找到共同点的东西。如果您可以提供R中的解决方案，那将不胜感激，因为我对它有一点编程经验。
以与@user2957945在下面的回答中提供的方式，在R中获取列表：
structure(c(0L, 80L, 80L, 90L, 110L, 120L, 105L, 90L, 0L, 110L,
90L, 110L, 130L, 110L, 90L, 90L, 0L, 110L, 110L, 135L, 120L,
90L, 90L, 90L, 0L, 110L, 100L, 90L, 100L, 90L, 120L, 90L, 0L,
90L, 90L, 100L, 110L, 110L, 100L, 90L, 0L, 90L, 100L, 100L, 90L,
90L, 80L, 90L, 0L), .Dim = c(7L, 7L), .Dimnames = list(c("A1",
"A2", "A3", "A4", "A5", "A6", "A7"), c("A1", "A2", "A3", "A4",
"A5", "A6", "A7")))
# get values less than threshold
id = m < 100
# make sure both values are less than threshold, and dont include diagonal
m_new = (id + t(id) == 2) & m !=0
# melt data and subset to keep TRUE values (TRUE if both less than threshold and not on diagonal)
result = subset(reshape2::melt(m_new), value)
# reorder to match question results , if needed
result[order(result[[1]], result[[2]]), 1:2]
Var1 Var2
8 A1 A2
15 A1 A3
22 A1 A4
2 A2 A1
23 A2 A4
3 A3 A1
4 A4 A1
11 A4 A2
46 A4 A7
40 A5 A6
47 A5 A7
34 A6 A5
48 A6 A7
28 A7 A4
35 A7 A5
42 A7 A6
我还添加了“图论”标签，因为我认为这不完全是一个交集问题，在这个问题中，我可以将列表转换为向量，并在R中使用
intersect函数。代码需要生成一个新的id，其中一些地点必须在同一个新的id（组）内。就像上面的例子一样，如果A.1的集合有A.2和A.4，A.2有A.1和A.4，A.4有A.1和A.2，那么这三个地点必须在同一个id（组）内。换句话说，我需要每个地点的最大交集分组。我理解可能会出现不同矩阵的问题，比如A.1有A.2和A.6，A.2有A.1和A.6，A.6有A.1和A.2（但考虑到上面的第一个例子，A.6没有A.4），在这种情况下，我欢迎添加A.6到分组中的解决方案或其他任意的解决方案，其中代码仅将第一组聚集在一起，从列表中删除A.1、A.2和A.4，并将A.6保留在原来的分组中。