R group_by:具有A、B、C三类的列，将任何等于A的元素转换为B或C，以使B或C的最小频率最大化。

Question

我有以下数据集，其中每个观察属于一个集群和一个组

df <- data.frame(
  cluster = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5),
  group = c("g1", "g2", "g1", "g2", "g1", "both", "g1", "g1", "both", "both", "g1", "g2", "g1", 
            "g1", "g1", "both", "g1", "g2", "both"), 
  stringsAsFactors = FALSE
)

cluster    group
1          "g1"
1          "g2"
1          "g1"
1          "g2"
2          "g1"
2          "both"
2          "g1"
2          "g1"
3          "both"     
3          "both"
3          "g1"
3          "g2"
4          "g1"
4          "g1"
4          "g1"
4          "both" 
5          "g1"
5          "g2"
5          "both"

我想要获得的是根据这条规则，将"group“中等于”双“的任何元素转换为"g1”或"g2“：

对于任何集群，等于“两者”的元素应该等于最不频繁的元素。(因此，如果在一个集群中，我有4个标记为"g1“的观察，2个标记为"g2‘，以及2个标记为"g2”，都标记为"g2")。在这种情况下，我有一个集群，其中一个元素等于"g1“，另一个元素等于"g2”，两个元素等于"g2“，我希望将其中一个元素转换为"g1”，另一个元素转换为“g2”。基本上，对于每个集群，我希望转换与类“两类”相同的元素，以最大化两个类"g1“和”g2“的最小频率。

max(min(freq(g1)，freq(g2))

(如果在集群中，g1频率=2，而G2频率=3，并且我有一个元素=“两者”，我想将其转换为g1，使G1频率=3)

因此，预期结果是：

 cluster    group
1          "g1"
1          "g2"
1          "g1"
1          "g2"
2          "g1"
2          "both"
2          "g1"
2          "g1"
3          "g1" (or "g2" )   
3          "g2" (or "g3")
3          "g1"
3          "g2"
4          "g1"
4          "g1"
4          "g1"
4          "g2" 
5          "g1"
5          "g2"
5          "g2" (or "g1")

我希望我的目标是清楚的。

Answer 1

这似乎是一种有点冗长的做法，但希望这是可以理解的，而且效果很好：

f <- function(x)
{
  n_replace <- length(which(x == "both"))
  n_g1      <- length(which(x == "g1"))
  n_g2      <- length(which(x == "g2"))
  n_diff    <- n_g1 - n_g2
  result    <- character()
  if(n_diff != 0) 
  {  
    result <- c(result, rep(ifelse(n_diff > 0, "g2", "g1"), abs(n_diff)))
    n_replace <- n_replace - n_diff
  }
  if(n_replace > 0) return(c(result, rep(c("g1", "g2"), length = n_replace)))
  result
}

df %>% 
  group_by(cluster) %>% 
  mutate(group = ifelse(group == "both", f(group), group))

其结果如下：

# A tibble: 19 x 2
# Groups:   cluster [5]
   cluster group
     <int> <chr>
 1       1 g1   
 2       1 g2   
 3       1 g1   
 4       1 g2   
 5       2 g1   
 6       2 g2   
 7       2 g1   
 8       2 g1   
 9       3 g1   
10       3 g2   
11       3 g1   
12       3 g2   
13       4 g1   
14       4 g1   
15       4 g1   
16       4 g2   
17       5 g1   
18       5 g2   
19       5 g1