时间戳

首页 > 解决方案 > 基于R中的两个阈值向量操作矩阵

r - 基于R中的两个阈值向量操作矩阵

问题描述

我不知道我应该如何构建这个问题，也想不出任何如何解决它的例子。我想出了一个解决方案，但我想知道是否有更简单或更有效的方法来处理它。

我正在处理个人和事件之间的距离矩阵，我想根据事件和个人的特征转换矩阵。在这种情况下，我想知道一个人是否根据其他标准在一定距离内接触过事件。

假设我们有两个向量，一个是 4 个个体，另一个是 3 个事件。我们获得了一个以公里为单位的个人和事件之间的距离矩阵：

> dist_mat = matrix(runif(12, 1, 100), ncol = 3)
> dist_mat
         [,1]      [,2]      [,3]
[1,] 21.318423 89.79522 75.29824
[2,] 36.812542 18.28413 92.90719
[3,] 45.012960 89.11778 38.55608
[4,]  8.470336 46.17020 26.67135

最重要的是，我知道这些人何时出生以及事件发生的时间，这些信息存储在两个向量中：

> event_year = c(2003, 2005, 2009)
> indiv_born = c(2004, 2004, 2008, 2008)

我的目标是了解一个人是否接触过在她出生后发生的事件，例如 30 公里。在这一点上，我的解决方案是将年份向量扩展为矩阵并从那里计算出来，然后用于rowSums获取个人是否接触过此类事件的指标：

> event_year_m = matrix(rep(event_year, each = nrow(x1)), ncol = ncol(x1))
> indiv_born_m = matrix(rep(indiv_year, each = ncol(x1)), byrow = TRUE, ncol = ncol(x1))
> event_year_m
     [,1] [,2] [,3]
[1,] 2003 2005 2009
[2,] 2003 2005 2009
[3,] 2003 2005 2009
[4,] 2003 2005 2009
> indiv_year_m
     [,1] [,2] [,3]
[1,] 2004 2004 2004
[2,] 2004 2004 2004
[3,] 2008 2008 2008
[4,] 2008 2008 2008

> dist_mat[event_year_m < indiv_year_m] = NA
> dist_mat[dist_mat < 30] = 1
> dist_mat[dist_mat >= 30] = 0
> dist_mat
     [,1] [,2] [,3]
[1,]   NA    0    0
[2,]   NA    1    0
[3,]   NA   NA    0
[4,]   NA   NA    1

> indiv_exposure = rowSums(dist_mat, na.rm = TRUE)
[1] 0 1 0 1

这有意义吗？没有更简单的方法可以做到这一点吗？只有一个向量会更简单，但在特定于行和列的阈值的情况下无法弄清楚。

标签： rmatrix

解决方案

我们可以在一行中执行此操作（或分成两行以提高可见性），使用col/row复制“event_year”和“indiv_born”，将逻辑向量更改为NA“event_year”小于“indiv_born”时，乘以dist_mat所以NA仍然是NA，转换为逻辑矩阵< 30并得到rowSums

rowSums((dist_mat * NA^(event_year[col(dist_mat)] < 
             indiv_born[row(dist_mat)])) < 30, na.rm = TRUE)

推荐阅读