调查数据入网
survey data into network
我有一个类似于此的数据框：
case_id
pol_demo
pol_demo_online
pol_post_online
pol_petition
pol_cntct_polit
pol_party
pol_other
pol_demo_illegal
1311
1
1
1
1
1
1
1
1
97
0
0
0
0
0
0
0
0
5480
0
0
0
0
0
0
0
0
2531
1
1
1
1
1
1
1
1
2291
0
0
0
1
0
0
0
0
2064
1
1
1
1
1
1
1
1
case_id对应一个调查对象的唯一id，它的唯一值与数据框中的行数一样多。这些列是行为形式，即相应的受访者做过 (1) 或没有做过 (0)。栏数比图片上的多 (17)，但你明白了。
我想将其转换为邻接矩阵。也就是说，我想要一个有 17 行和 17 列的矩阵（每个行为一个），并且单元格应该是不同形式的行为组合的次数（每对的总和）。因此，使用示例中的列，矩阵如下所示：
pol_demo
pol_demo_online
pol_post_online
pol_petition
pol_cntct_polit
pol_party
pol_other
pol_demo_illegal
pol_demo
3
3
3
3
3
3
3
2
pol_demo_online
3
3
3
3
3
3
3
2
pol_post_online
3
3
3
3
3
3
3
2
pol_petition
3
3
3
4
3
3
3
2
pol_cntct_polit
3
3
3
3
3
3
3
2
pol_party
3
3
3
3
3
3
3
2
pol_other
3
3
3
3
3
3
3
2
pol_demo_illegal
2
2
2
2
2
2
2
2
意思是pol_demo是3次结合pol_demo_online，但只有2次结合pol_demo_illegal等
我有一种预感，我需要与 outer 一起工作，但我想不通。我会很高兴有一个整洁的解决方案，但真的，非常感谢任何帮助！
这是数据片段：
dat <- structure(list(pol_demo = c(1, 0, 0, 1, 0, 1), pol_demo_online = c(1,
0, 0, 1, 0, 1), pol_post_online = c(1, 0, 0, 1, 0, 1), pol_petition = c(1,
0, 0, 1, 1, 1), pol_cntct_polit = c(1, 0, 0, 1, 0, 1), pol_party = c(1,
0, 0, 1, 0, 1), pol_other = c(1, 0, 0, 1, 0, 1), pol_demo_illegal = c(0,
0, 0, 1, 0, 1), help_shopping = c(1, 1, 0, 1, 1, 1), help_childcare = c(0,
1, 0, 1, 0, 1), help_general = c(1, 1, 0, 1, 1, 1), help_emo = c(1,
1, 0, 1, 1, 1), help_symb = c(1, 1, 0, 1, 0, 1), help_fin = c(1,
0, 0, 1, 1, 1), help_donation = c(1, 0, 0, 1, 1, 1), help_volunteer = c(1,
0, 0, 1, 0, 1), help_other = c(1, 1, 0, 1, 0, 1), case_id = structure(c(1311,
97, 548, 2531, 2291, 2064), label = "numerical, unique ID per respondent", format.stata = "%9.0g")), row.names = c(NA,
-6L), class = c("tbl_df", "tbl", "data.frame"))
我在 中找到了一个解决方案，我用 pivote_longer() 重新排列了数据，使其成为适用于该解决方案的格式。
dat <- dat %>%
pivot_longer(cols = -case_id,
names_to = "name",
values_to = "val") %>%
filter(val != 0) %>%
select(id = case_id, name)
然后使用针对您的数据修改的链接答案部分。
# create a 2-mode sociomatrix
mat <- t(table(dat))
# create adjacency matrix as product of the 2-mode sociomatrix
adj.mat <- mat %*% t(mat)
编辑：原来复制粘贴错了pivot_longer()这个有效。
另一种方法是对所有列使用成对运算，然后我们只需要将输出转换为矩阵即可。
有几个包可以实现成对运算：corrr::colpair_map、pwiser::pairwise、dplyover::across2x。
下面是一种使用 dplyover::across2x 的方法（免责声明：我是维护者）。
library(dplyr)
library(dplyover) # https://github.com/TimTeaFan/dplyover
colnms <- dat %>% select(-case_id) %>% colnames
out <- dat %>%
summarise(across2x(-case_id,
-case_id,
~ sum(.x == 1 & .y == 1)))
matrix(out,
ncol = 17,
dimnames = list(colnms, colnms))
#> pol_demo pol_demo_online pol_post_online pol_petition
#> pol_demo 3 3 3 3
#> pol_demo_online 3 3 3 3
#> pol_post_online 3 3 3 3
#> pol_petition 3 3 3 4
#> pol_cntct_polit 3 3 3 3
#> pol_party 3 3 3 3
#> pol_other 3 3 3 3
#> pol_demo_illegal 2 2 2 2
#> help_shopping 3 3 3 4
#> help_childcare 2 2 2 2
#> help_general 3 3 3 4
#> help_emo 3 3 3 4
#> help_symb 3 3 3 3
#> help_fin 3 3 3 4
#> help_donation 3 3 3 4
#> help_volunteer 3 3 3 3
#> help_other 3 3 3 3
#> pol_cntct_polit pol_party pol_other pol_demo_illegal
#> pol_demo 3 3 3 2
#> pol_demo_online 3 3 3 2
#> pol_post_online 3 3 3 2
#> pol_petition 3 3 3 2
#> pol_cntct_polit 3 3 3 2
#> pol_party 3 3 3 2
#> pol_other 3 3 3 2
#> pol_demo_illegal 2 2 2 2
#> help_shopping 3 3 3 2
#> help_childcare 2 2 2 2
#> help_general 3 3 3 2
#> help_emo 3 3 3 2
#> help_symb 3 3 3 2
#> help_fin 3 3 3 2
#> help_donation 3 3 3 2
#> help_volunteer 3 3 3 2
#> help_other 3 3 3 2
#> help_shopping help_childcare help_general help_emo help_symb
#> pol_demo 3 2 3 3 3
#> pol_demo_online 3 2 3 3 3
#> pol_post_online 3 2 3 3 3
#> pol_petition 4 2 4 4 3
#> pol_cntct_polit 3 2 3 3 3
#> pol_party 3 2 3 3 3
#> pol_other 3 2 3 3 3
#> pol_demo_illegal 2 2 2 2 2
#> help_shopping 5 3 5 5 4
#> help_childcare 3 3 3 3 3
#> help_general 5 3 5 5 4
#> help_emo 5 3 5 5 4
#> help_symb 4 3 4 4 4
#> help_fin 4 2 4 4 3
#> help_donation 4 2 4 4 3
#> help_volunteer 3 2 3 3 3
#> help_other 4 3 4 4 4
#> help_fin help_donation help_volunteer help_other
#> pol_demo 3 3 3 3
#> pol_demo_online 3 3 3 3
#> pol_post_online 3 3 3 3
#> pol_petition 4 4 3 3
#> pol_cntct_polit 3 3 3 3
#> pol_party 3 3 3 3
#> pol_other 3 3 3 3
#> pol_demo_illegal 2 2 2 2
#> help_shopping 4 4 3 4
#> help_childcare 2 2 2 3
#> help_general 4 4 3 4
#> help_emo 4 4 3 4
#> help_symb 3 3 3 4
#> help_fin 4 4 3 3
#> help_donation 4 4 3 3
#> help_volunteer 3 3 3 3
#> help_other 3 3 3 4
由 reprex package (v2.0.1)
于 2021-09-23 创建
我有一个类似于此的数据框：
| case_id | pol_demo | pol_demo_online | pol_post_online | pol_petition | pol_cntct_polit | pol_party | pol_other | pol_demo_illegal |
|---|---|---|---|---|---|---|---|---|
| 1311 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 97 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 5480 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2531 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 2291 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 2064 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
case_id对应一个调查对象的唯一id，它的唯一值与数据框中的行数一样多。这些列是行为形式，即相应的受访者做过 (1) 或没有做过 (0)。栏数比图片上的多 (17)，但你明白了。
我想将其转换为邻接矩阵。也就是说，我想要一个有 17 行和 17 列的矩阵（每个行为一个），并且单元格应该是不同形式的行为组合的次数（每对的总和）。因此，使用示例中的列，矩阵如下所示：
| pol_demo | pol_demo_online | pol_post_online | pol_petition | pol_cntct_polit | pol_party | pol_other | pol_demo_illegal | |
|---|---|---|---|---|---|---|---|---|
| pol_demo | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_demo_online | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_post_online | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_petition | 3 | 3 | 3 | 4 | 3 | 3 | 3 | 2 |
| pol_cntct_polit | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_party | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_other | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 2 |
| pol_demo_illegal | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 |
意思是pol_demo是3次结合pol_demo_online，但只有2次结合pol_demo_illegal等
我有一种预感，我需要与 outer 一起工作，但我想不通。我会很高兴有一个整洁的解决方案，但真的，非常感谢任何帮助！
这是数据片段：
dat <- structure(list(pol_demo = c(1, 0, 0, 1, 0, 1), pol_demo_online = c(1,
0, 0, 1, 0, 1), pol_post_online = c(1, 0, 0, 1, 0, 1), pol_petition = c(1,
0, 0, 1, 1, 1), pol_cntct_polit = c(1, 0, 0, 1, 0, 1), pol_party = c(1,
0, 0, 1, 0, 1), pol_other = c(1, 0, 0, 1, 0, 1), pol_demo_illegal = c(0,
0, 0, 1, 0, 1), help_shopping = c(1, 1, 0, 1, 1, 1), help_childcare = c(0,
1, 0, 1, 0, 1), help_general = c(1, 1, 0, 1, 1, 1), help_emo = c(1,
1, 0, 1, 1, 1), help_symb = c(1, 1, 0, 1, 0, 1), help_fin = c(1,
0, 0, 1, 1, 1), help_donation = c(1, 0, 0, 1, 1, 1), help_volunteer = c(1,
0, 0, 1, 0, 1), help_other = c(1, 1, 0, 1, 0, 1), case_id = structure(c(1311,
97, 548, 2531, 2291, 2064), label = "numerical, unique ID per respondent", format.stata = "%9.0g")), row.names = c(NA,
-6L), class = c("tbl_df", "tbl", "data.frame"))
我在
dat <- dat %>%
pivot_longer(cols = -case_id,
names_to = "name",
values_to = "val") %>%
filter(val != 0) %>%
select(id = case_id, name)
然后使用针对您的数据修改的链接答案部分。
# create a 2-mode sociomatrix
mat <- t(table(dat))
# create adjacency matrix as product of the 2-mode sociomatrix
adj.mat <- mat %*% t(mat)
编辑：原来复制粘贴错了pivot_longer()这个有效。
另一种方法是对所有列使用成对运算，然后我们只需要将输出转换为矩阵即可。
有几个包可以实现成对运算：corrr::colpair_map、pwiser::pairwise、dplyover::across2x。
下面是一种使用 dplyover::across2x 的方法（免责声明：我是维护者）。
library(dplyr)
library(dplyover) # https://github.com/TimTeaFan/dplyover
colnms <- dat %>% select(-case_id) %>% colnames
out <- dat %>%
summarise(across2x(-case_id,
-case_id,
~ sum(.x == 1 & .y == 1)))
matrix(out,
ncol = 17,
dimnames = list(colnms, colnms))
#> pol_demo pol_demo_online pol_post_online pol_petition
#> pol_demo 3 3 3 3
#> pol_demo_online 3 3 3 3
#> pol_post_online 3 3 3 3
#> pol_petition 3 3 3 4
#> pol_cntct_polit 3 3 3 3
#> pol_party 3 3 3 3
#> pol_other 3 3 3 3
#> pol_demo_illegal 2 2 2 2
#> help_shopping 3 3 3 4
#> help_childcare 2 2 2 2
#> help_general 3 3 3 4
#> help_emo 3 3 3 4
#> help_symb 3 3 3 3
#> help_fin 3 3 3 4
#> help_donation 3 3 3 4
#> help_volunteer 3 3 3 3
#> help_other 3 3 3 3
#> pol_cntct_polit pol_party pol_other pol_demo_illegal
#> pol_demo 3 3 3 2
#> pol_demo_online 3 3 3 2
#> pol_post_online 3 3 3 2
#> pol_petition 3 3 3 2
#> pol_cntct_polit 3 3 3 2
#> pol_party 3 3 3 2
#> pol_other 3 3 3 2
#> pol_demo_illegal 2 2 2 2
#> help_shopping 3 3 3 2
#> help_childcare 2 2 2 2
#> help_general 3 3 3 2
#> help_emo 3 3 3 2
#> help_symb 3 3 3 2
#> help_fin 3 3 3 2
#> help_donation 3 3 3 2
#> help_volunteer 3 3 3 2
#> help_other 3 3 3 2
#> help_shopping help_childcare help_general help_emo help_symb
#> pol_demo 3 2 3 3 3
#> pol_demo_online 3 2 3 3 3
#> pol_post_online 3 2 3 3 3
#> pol_petition 4 2 4 4 3
#> pol_cntct_polit 3 2 3 3 3
#> pol_party 3 2 3 3 3
#> pol_other 3 2 3 3 3
#> pol_demo_illegal 2 2 2 2 2
#> help_shopping 5 3 5 5 4
#> help_childcare 3 3 3 3 3
#> help_general 5 3 5 5 4
#> help_emo 5 3 5 5 4
#> help_symb 4 3 4 4 4
#> help_fin 4 2 4 4 3
#> help_donation 4 2 4 4 3
#> help_volunteer 3 2 3 3 3
#> help_other 4 3 4 4 4
#> help_fin help_donation help_volunteer help_other
#> pol_demo 3 3 3 3
#> pol_demo_online 3 3 3 3
#> pol_post_online 3 3 3 3
#> pol_petition 4 4 3 3
#> pol_cntct_polit 3 3 3 3
#> pol_party 3 3 3 3
#> pol_other 3 3 3 3
#> pol_demo_illegal 2 2 2 2
#> help_shopping 4 4 3 4
#> help_childcare 2 2 2 3
#> help_general 4 4 3 4
#> help_emo 4 4 3 4
#> help_symb 3 3 3 4
#> help_fin 4 4 3 3
#> help_donation 4 4 3 3
#> help_volunteer 3 3 3 3
#> help_other 3 3 3 4
由 reprex package (v2.0.1)
于 2021-09-23 创建