ジュリアで発生率マトリックスを作成する方法

Question

発生率マトリックスを作成したいと思います。
私は次のように、3列のファイルを持っている：

id x y 
A 22 2 
B 4 21 
C 21 360 
D 26 2 
E 22 58 
F 2 347 

そして、私は（COLと行名なし）のような行列たい：

2 4 21 22 26 58 347 360 
A 1 0 0 1 0 0 0 0 
B 0 1 1 0 0 0 0 0 
C 0 0 1 0 0 0 0 1 
D 1 0 0 0 1 0 0 0 
E 0 0 0 1 0 1 0 0 
F 1 0 0 0 0 0 1 0 

私はのようなコードを開始しました：

を

haps = readdlm("File.txt",header=true)  
hap1_2 = map(Int64,haps[1][:,2:end])  
ID = (haps[1][:,1])      
dic1 = Dict() 

for (i in 1:21) 
    dic1[ID[i]] = hap1_2[i,:] 
end 

X=[zeros(21,22)];  #the original file has 21 rows and 22 columns 
X1 = hcat(ID,X) 

問題は、上記の例のように、特定の列に1を埋め込む方法がわかりません。
私は正しい方法でいるかどうかもわかりません。

私が助けてくれる提案はありますか？

ありがとうございます！

Answer 1

NamedArraysは、行と列の両方に名前を付けることができ、この問題の請求書に適合しているようなきれいなパッケージです。データがdata.csvであるとし、ここではそれについて移動する一つの方法は、（Pkg.add("NamedArrays")とNamedArraysをインストール）です。

data,header = readcsv("data.csv",header=true); 
# get the column names by looking at unique values in columns 
cols = unique(vec([(header[j+1],data[i,j+1]) for i in 1:size(data,1),j=1:2])) 
# row names from ID column 
rows = data[:,1] 

using NamedArrays 
narr = NamedArray(zeros(Int,length(rows),length(cols)),(rows,cols),("id","attr")); 
# now stamp in the 1s in the right places 
for r=1:size(data,1),c=2:size(data,2) narr[data[r,1],(header[c],data[r,c])] = 1 ; end 

今、私たちは（私はより良いプリントアウト用narrを転置注意してください）があります。

julia> narr' 
10x6 NamedArray{Int64,2}: 
attr ╲ id │ A B C D E F 
──────────┼───────────────── 
("x",22) │ 1 0 0 0 1 0 
("x",4) │ 0 1 0 0 0 0 
("x",21) │ 0 0 1 0 0 0 
("x",26) │ 0 0 0 1 0 0 
("x",2) │ 0 0 0 0 0 1 
("y",2) │ 1 0 0 1 0 0 
("y",21) │ 0 1 0 0 0 0 
("y",360) │ 0 0 1 0 0 0 
("y",58) │ 0 0 0 0 1 0 
("y",347) │ 0 0 0 0 0 1 

しかし、 DataFramesが必要な場合は、同様のトリックを適用する必要があります。

---------- ---------- UPDATE

値の列、すなわち、X = 2、Y = 2の両方が設定する必要が無視されるべきである場合に値2の列に1が、その後、コードは次のようになります。

与える

using NamedArrays 
data,header = readcsv("data.csv",header=true); 
rows = data[:,1] 
cols = map(string,sort(unique(vec(data[:,2:end])))) 
narr = NamedArray(zeros(Int,length(rows),length(cols)),(rows,cols),("id","attr")); 
for r=1:size(data,1),c=2:size(data,2) narr[data[r,1],string(data[r,c])] = 1 ; end 

：

julia> narr 
6x8 NamedArray{Int64,2}: 
id ╲ attr │ 2 4 21 22 26 58 347 360 
──────────┼─────────────────────────────────────── 
A   │ 1 0 0 1 0 0 0 0 
B   │ 0 1 1 0 0 0 0 0 
C   │ 0 0 1 0 0 0 0 1 
D   │ 1 0 0 0 1 0 0 0 
E   │ 0 0 0 1 0 1 0 0 
F   │ 1 0 0 0 0 0 1 0 

Answer 2

をここで私は、回帰分析のためのカテゴリ変数のうち、スパース行列を作成するために使用し、何かに若干のばらつきがあります。この機能には、ニーズに合わせてさまざまなコメントとオプションが含まれています。注：書かれているように、xとyの "2"と "21"の出現を別々に扱います。ダン・ゲッツの素敵なレスポンスより、ネーミングとアピアランスがはるかにエレガントです。ここでの主な利点は、データが巨大であれば、疎行列でも動作するため、記憶領域と計算時間を削減するのに役立ちます。

function OneHot(x::Array, header::Bool) 
    UniqueVals = unique(x) 
    Val_to_Idx = [Val => Idx for (Idx, Val) in enumerate(unique(x))] ## create a dictionary that maps unique values in the input array to column positions in the new sparse matrix. 
    ColIdx = convert(Array{Int64}, [Val_to_Idx[Val] for Val in x]) 
    MySparse = sparse(collect(1:length(x)), ColIdx, ones(Int32, length(x))) 
    if header 
     return [UniqueVals' ; MySparse] ## note: this won't be sparse 
     ## alternatively use return (MySparse, UniqueVals) to get a tuple, second element is the header which you can then feed to something to name the columns or do whatever else with 
    else 
     return MySparse ## use MySparse[:, 2:end] to drop a value (which you would want to do for categorical variables in a regression) 
    end 
end 

x = [22, 4, 21, 26, 22, 2]; 
y = [2, 21, 360, 2, 58, 347]; 

Incidence = [OneHot(x, true) OneHot(y, true)] 

7x10 Array{Int64,2}: 
22 4 21 26 2 2 21 360 58 347 
    1 0 0 0 0 1 0 0 0 0 
    0 1 0 0 0 0 1 0 0 0 
    0 0 1 0 0 0 0 1 0 0 
    0 0 0 1 0 1 0 0 0 0 
    1 0 0 0 0 0 0 0 1 0 
    0 0 0 0 1 0 0 0 0 1