Есть ли лучший способ иерархически кластеризоваться в R? - PullRequest
Новая
       12

Есть ли лучший способ иерархически кластеризоваться в R?

2 голосов
/ 05 октября 2011

Я хотел бы сделать иерархическую кластеризацию по строке, а затем по столбцу. Я придумал этот полный взлом решения: 

#! /path/to/my/Rscript --vanilla
args <- commandArgs(TRUE)
mtxf.in <- args[1]
clusterMethod <- args[2]
mtxf.out <- args[3]

mtx <- read.table(mtxf.in, as.is=T, header=T, stringsAsFactors=T)

mtx.hc <- hclust(dist(mtx), method=clusterMethod)
mtx.clustered <- as.data.frame(mtx[mtx.hc$order,])
mtx.c.colnames <- colnames(mtx.clustered)
rownames(mtx.clustered) <- mtx.clustered$topLeftColumnHeaderName
mtx.clustered$topLeftColumnHeaderName <- NULL
mtx.c.t <- as.data.frame(t(mtx.clustered), row.names=names(mtx))
mtx.c.t.hc <- hclust(dist(mtx.c.t), method=clusterMethod)
mtx.c.t.c <- as.data.frame(mtx.c.t[mtx.c.t.hc$order,])
mtx.c.t.c.t <- as.data.frame(t(mtx.c.t.c))
mtx.c.t.c.t.colnames <- as.vector(names(mtx.c.t.c.t))
names(mtx.c.t.c.t) <- mtx.c.colnames[as.numeric(mtx.c.t.c.t.colnames) + 1]

write.table(mtx.c.t.c.t, file=mtxf.out, sep='\t', quote=F, row.names=T)

Переменные mtxf.in и mtxf.out представляют файлы входной матрицы и кластеризованной выходной матрицы соответственно. Переменная clusterMethod является одним из hclust методов, таких как single, average и т. Д.

В качестве примера ввода приведена матрица данных: 

topLeftColumnHeaderName col1    col2    col3    col4    col5    col6
row1    0       3       0       0       0       3
row2    6       6       6       6       6       6
row3    0       3       0       0       0       3
row4    6       6       6       6       6       6
row5    0       3       0       0       0       3
row6    0       3       0       0       0       3

Запустив этот скрипт, я теряю свой левый верхний угловой элемент с mtxf.in. Вот вывод, который получается из этого скрипта: 

col5    col4    col1    col3    col2    col6
row6    0       0       0       0       3       3
row5    0       0       0       0       3       3
row1    0       0       0       0       3       3
row3    0       0       0       0       3       3
row2    6       6       6       6       6       6
row4    6       6       6       6       6       6

Мои вопросы: В дополнение к поиску способа сохранения исходной структуры файла входной матрицы, я также не знаю, сколько памяти это потребляет или есть ли более быстрые и чистые, более "R" -подобные способы для этого.

Неужели действительно так сложно кластеризовать по строкам и столбцам в R? Есть ли конструктивные способы улучшить этот скрипт? Спасибо за ваш совет.

Ответы [ 2 ]

4 голосов
/ 05 октября 2011

После того, как вы очистили свои данные (т.е. удалили первый столбец), для этого действительно требуется всего три строки кода:

Очистить данные (назначить имена строк из первого столбца, затем удалить первый столбец): 

dat <- mtfx.in
rownames(dat) <- dat[, 1]
dat <- dat[, -1]

Группа и порядок: 

row.order <- hclust(dist(dat))$order
col.order <- hclust(dist(t(dat)))$order

dat[row.order, col.order]

Результаты: 

     col5 col4 col1 col3 col2 col6
row6    0    0    0    0    3    3
row5    0    0    0    0    3    3
row1    0    0    0    0    3    3
row3    0    0    0    0    3    3
row2    6    6    6    6    6    6
row4    6    6    6    6    6    6
0 голосов
/ 05 октября 2011

Я буду честен, я не совсем понимаю, почему вы делаете то, что делаете, так что вполне возможно, что я неправильно понял, что вы ищете.Если я далеко от базы, дайте мне знать, и я удалю этот ответ.

Но я подозреваю, что ваша жизнь станет намного проще (и ваши результаты действительно правильные), если вы прочитаете свои данные при использовании row.names = 1, чтобы указать, что первый столбец на самом деле является именем строки.Например: 

#Read the data in
d1 <- read.table(textConnection("topLeftColumnHeaderName col1    col2    col3    col4    col5    col6
 row1    0       3       0       0       0       3
 row2    6       6       6       6       6       6
 row3    0       3       0       0       0       3
 row4    6       6       6       6       6       6
 row5    0       3       0       0       0       3
 row6    0       3       0       0       0       3"),
   sep = "",as.is = TRUE,header = TRUE,
   stringsAsFactors = TRUE,row.names = 1)

#So d1 looks like this: 
d1
     col1 col2 col3 col4 col5 col6
row1    0    3    0    0    0    3
row2    6    6    6    6    6    6
row3    0    3    0    0    0    3
row4    6    6    6    6    6    6
row5    0    3    0    0    0    3
row6    0    3    0    0    0    3

#Simple clustering based on rows 
clus1 <- hclust(dist(d1))
d2 <- d1[clus1$order,]
d2
     col1 col2 col3 col4 col5 col6
row6    0    3    0    0    0    3
row5    0    3    0    0    0    3
row1    0    3    0    0    0    3
row3    0    3    0    0    0    3
row2    6    6    6    6    6    6
row4    6    6    6    6    6    6

#Now cluster on columns and display the result 
clus2 <- hclust(dist(t(d2)))
t(t(d2)[clus2$order,])
     col5 col4 col1 col3 col2 col6
row6    0    0    0    0    3    3
row5    0    0    0    0    3    3
row1    0    0    0    0    3    3
row3    0    0    0    0    3    3
row2    6    6    6    6    6    6
row4    6    6    6    6    6    6

Поскольку вы пометили это code-review Я думаю, я также укажу, что стилистически многие R люди предпочитают не использовать T и F для логических значений, поскольку онив масках, а TRUE и FALSE не могут.

...