大约10个因素在集群中共存的饼图

Question

我有一个两列的数据集，大约有30000个聚类和10个因素，如下所示：

cluster-1 Factor1
cluster-1 Factor2
...
cluster-2 Factor2
cluster-2 Factor3
...

我想要表示聚类集中的因素的共现。类似于“1234集群中的Factor1+Factor3+Factor5”，以此类推表示不同的组合。我认为我可以像饼图一样，但有10个因素，我认为可能有太多的组合。

什么是表示这一点的好方法？

Answer 1

这里有一个很好的编程问题需要解决：

如何计算不同集群中因子的共现数量？

首先模拟一些数据：

n = 1000

set.seed(12345)
n.clusters = 100
clusters = rep(1:n.clusters, length.out=n)

n.factors = 10
factors = round(rnorm(n, n.factors/2, n.factors/5))
factors[factors > n.factors] = n.factors
factors[factors < 1] = 1

data = data.frame(cluster=clusters, factor=factors)

> data
  cluster factor
1       1      6
2       2      6
3       3      5
4       4      4
5       5      6
6       6      1
...

然后，下面的代码可以用来列出每个因子组合在集群中出现的次数：

counts = with(data, table(tapply(factor, cluster, function(x) paste(as.character(sort(unique(x))), collapse=''))))

这可以表示为一个简单的饼图，例如，

dev.new(width=5, height=5)
pie(counts[counts>1])

​

​

但是，像这样的简单计数通常最有效地显示为排序表。有关这方面的更多信息，请查看Edward Tufte。