model.matrix删除列

Question

我有一个数据框架，我想用它来生成一个设计矩阵。

>ct<-read.delim(filename, skip=0, as.is=TRUE, sep="\t", row.names = 1)
> ct
      s2 s6 S10 S14 S3 S7 S11 S15 S4 S8 S12 S16
group  1  1   1   1  2  2   2   2  3  3   3   3
donor  1  2   3   4  1  2   3   4  1  2   3   4
>factotum<-apply(ct,1,as.factor) # to turn rows into factors. 
>design <- model.matrix(~0 + factotum[,1] + factotum[,2])

最后，我将生成一个字符串并使用as.formula()，而不是硬编码公式。无论如何，这是可行的，并产生一个设计矩阵。不过，它省略了一列。

>design
   factotum[, 1]1 factotum[, 1]2 factotum[, 1]3 factotum[, 2]2 factotum[, 2]3 factotum[, 2]4
1               1              0              0              0              0              0
2               1              0              0              1              0              0
3               1              0              0              0              1              0
4               1              0              0              0              0              1
5               0              1              0              0              0              0
6               0              1              0              1              0              0
7               0              1              0              0              1              0
8               0              1              0              0              0              1
9               0              0              1              0              0              0
10              0              0              1              1              0              0
11              0              0              1              0              1              0
12              0              0              1              0              0              1

根据我的推理，列名应该是: factotum，11 factotum，12 factotum，13，factotum,21，factotum，22 factotum，23 factotum，24。这些将重命名为group1、group2、group3、donor1、donor2、donor3、donor4。

这意味着21岁的事实，或donor1，丢失了。我在做什么，这会丢失吗？任何帮助都将不胜感激。

干杯本。

Answer 1

这里有几件事。

(1) apply(ct,1,as.factor)不一定将行转换为因子。尝试str(factotum)，您将看到它失败了。我不确定最快的方法是什么，但这应该是可行的：

factotum <- data.frame(lapply(data.frame(t(ct)), as.factor))

(2)由于您使用的是因子，因此model.matrix会创建虚拟编码。在本例中，donor有四个值。如果您是2，那么您将在factotum[,2]2列中获得一个1。如果您是3或4，您将在它们各自的列中获得一个1。如果你是1，那又如何呢？好吧，这仅仅意味着您在所有三列中都是0。这样，您只需要三列即可创建四个组。donor的值1在这里称为参考组，它是与其他组进行比较的组。

(3)所以现在的问题是……为什么group (或factotum[,1])不能只有两列？我们可以很容易地编写三个级别的两列代码，对吗？好吧..。是的，这正是您使用以下命令时发生的情况：

design <- model.matrix(~ factotum[,1] + factotum[,2])

但是，由于您指定没有截取，因此您将获得一个额外的group列。

(4)通常你不必自己创建设计矩阵。我不确定您下一步要使用哪个函数，但在大多数情况下，函数会为您处理它。