假设我有向量x
x <- c(1, 1, 1.1, 2, 1, 2.1, 2.6)
tol <- 0.4
我如何获得在公差范围(tol)内"唯一"的元素组的索引，如下面的列表所示。我不知道事先有多少这样的小组。
[[1]]
[1] 1 2 3 5
[[2]]
[1] 4 6
[[3]]
[1] 7
谢谢
不是100%可靠，因为它在list s上使用unique，但您可以尝试:
unique(apply(outer(x,x,function(a,b) abs(a-b)<tol),1,which))
#[[1]]
#[1] 1 2 3 5
#
#[[2]]
#[1] 4 6
#
#[[3]]
#[1] 7
@Roland在评论中提出的观点表明你们的要求有些模棱两可。例如，如果x<-c(1, 1.3, 1.6)，我的线路给出了三个组:1-2、2-3和1-2-3。这是因为，从1的角度来看，它只与1.3相似，但从1.3的角度来看，它与1和1.6都相似。
使用RANN中的nn2查找半径内最近邻的替代方法:
library(RANN)
x <- c(1, 1, 1.1, 2, 1, 2.1, 2.6)
tol=0.4
nn <- nn2(x,x,k=length(x),searchtype="radius",radius=tol)
m <- unique(apply(nn$nn.idx,1,sort), MARGIN=2)
sapply(seq_len(ncol(m)), function(i) m[which(m[,i] > 0),i])
##[[1]]
##[1] 1 2 3 5
##
##[[2]]
##[1] 4 6
##
##[[3]]
##[1] 7
x <- c(1, 1.3, 1.6)
nn <- nn2(x,x,k=length(x),searchtype="radius",radius=tol)
m <- unique(apply(nn$nn.idx,1,sort), MARGIN=2)
sapply(seq_len(ncol(m)), function(i) m[which(m[,i] > 0),i])
##[[1]]
##[1] 1 2
##
##[[2]]
##[1] 1 2 3
##
##[[3]]
##[1] 2 3
指出:
- 调用
nn2在等于tol的半径范围内，查找x的每个元素相对于x的所有元素的所有最近邻居。结果nn$nn.idx是一个矩阵，其行包含x中每个元素的最近邻索引。矩阵是密集的，并根据需要填充零。 - 集群是通过对每一行进行排序来执行的，以便可以提取唯一的行。输出
m是一个矩阵，其中每列包含集群中的索引。同样，这个矩阵是密集的，并根据需要填充0。 - 通过对每一列进行子设置以删除零条目来提取结果列表。
对于大型x来说，这可能更有效，因为nn2使用KD-Tree，但正如nicola指出的那样，对于重叠的元素(相对于容差)，它也会遇到同样的问题。
也许这是一个杀死蚊子的锤子，但我想到了单变量密度聚类:dbscan库使您能够做到这一点:
library(dbscan)
groups <- dbscan(as.matrix(x), eps=tol, minPts=1)$cluster
#### [1] 1 1 1 2 1 2 3
你不需要事先知道组的数目。
它在输出中给你集群编号，但如果你愿意，你可以取组的平均值并将其四舍五入到最接近的整数。一旦得到了这些，就可以生成如下所示的列表:
split(seq_along(x), groups)
#### $`1`
#### [1] 1 2 3 5
#### ...
编辑:重叠行为:该算法将同一组属性赋予在彼此容忍度范围内的所有元素(按接近度工作)。所以如果有重叠，你可能会得到比预期更少的组。
下面是对base r中的cut函数的另一个尝试。我们首先尝试创建名为sq的范围向量，然后遍历属于任何特定范围的x元素。
sq <- seq(min(x)-tol,max(x)+tol*2,tol*2)
# [1] 0.6 1.4 2.2 3.0
sapply(1:(length(sq)-1), function(i) which(!is.na(cut(x, breaks =c(sq[i], sq[i+1])))))
# [[1]]
# [1] 1 2 3 5
# [[2]]
# [1] 4 6
# [[3]]
# [1] 7
它不产生任何副本。(不需要使用unique，因为@nicola的答案就是这样)
它的工作原理如下，在sapply中，我们首先搜索[0.6, 1.4]范围内的元素，然后搜索[1.4, 2.2]，最后搜索[2.2, 3.0]。