Transformation matrice plusieurs catégories

Bonjour,

Pour chaque couleur (A,B,C,D,E,F,G) correspond à une ou plusieurs catégories en même temps (1,2,3,4) dépendant de l'échantillon. Pour chaque catégories en même temps, il y a une séparation en virgule.

Je souhaite simplifier mes données pour avoir un tableau, en comptabilisant comme suit :

Citation:

A B C D E F G

1 1 0 0 0 0 0 0
1,2 0 1 0 0 0 0 2

à
A B C D E F G

1 1 0 0 0 0 0 0
1 0 0.5 0 0 0 0 1
2 0 0.5 0 0 0 0 1

et finalement avoir

A B C D E F G

1 1 0.5 0 0 0 0 1
2 0 0.5 0 0 0 0 1

J'ai le script suivant , mais il duplique les lignes pour chaque catégorie, mais je n'arrive pas à diviser sur le nombre de ligne dupliqué :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 DF <- read.table(text = " Color Cat A 1 B 1 C 4,2 D 1,3 E 1,2 F 3 G 5 A 2 B 3 C 1,2 D 4,3 E 3 F 1 G 1" , header = TRUE) DF = table(DF$Cat,DF$Color) cats <- strsplit(rownames(DF), ",", fixed = TRUE) DF <- DF[rep(seq_len(nrow(DF)), sapply(cats, length)),] DF <- as.data.frame(unclass(DF)) DF$cat <- unlist(cats) DF <- aggregate(. ~ cat, DF, FUN = sum)
Je vous remercie pour votre aide.

Bonjour,
Une proposition d'approche :

diviser les observations selon qu'elles sont mono/multi-modales ;
faire à part l’agrégation pour chacun des deux cas ;
rassembler les résultats de l'étape précédente.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
DF <- read.table(text = " Color Cat
A 1
B 1
C 4,2
D 1,3
E 1,2
F 3
G 5
A 2
B 3
C 1,2
D 4,3
E 3
F 1
G 1" , header = TRUE)
 
tblDF <- table(DF$Cat,DF$Color)
cats <- strsplit(rownames(tblDF), ",", fixed = TRUE)
donnéesCat <- as.data.frame(
    tblDF[rep(seq_len(nrow(tblDF)), lengths(cats)),],
    row.names = seq_len(nrow(tblDF))
)
donnéesCat$cat <- rep(sapply(cats, paste, collapse = ","), lengths(cats))
 
modalités <- levels(factor(donnéesCat$cat))
sélécteur <- donnéesCat$cat %in% modalités[nchar(modalités) == 1L]
monoCat <- donnéesCat[sélécteur,]
tmpMultiCat <- donnéesCat[!sélécteur,]
 
traiterMultiCat <- function(contVal, contCat) {
    cpt <- dim(contVal)
    tmpEnv <- new.env(parent = emptyenv())
    tmpEnv$obj <- matrix(NA_real_, nrow = 2 * cpt[1L], ncol = cpt[2L])
    tmpEnv$cptObs <- 0
    tmpEnv$marqueur <- character(2 * cpt[1L])
 
    for (i in seq_len(cpt[1L])) {
        tmp <- unlist(contVal[i, ]) / length(contCat[i, ])
 
        sapply(contCat[i, ], function(x) {
            tmpEnv$cptObs <- tmpEnv$cptObs + 1L
            tmpEnv$obj[tmpEnv$cptObs, ] <- tmp
            tmpEnv$marqueur[tmpEnv$cptObs] <- x
        })
    }
 
    res <- as.data.frame(tmpEnv$obj)
    res$cat <- tmpEnv$marqueur
    colnames(res) <- colnames(tmpMultiCat)
    return(res)
}
 
multiCat <- aggregate(
    . ~ cat,
    traiterMultiCat(
        tmpMultiCat[, -8L],
        t(as.data.frame(lapply(tmpMultiCat$cat, strsplit, split = ",", fixed = TRUE)))
    ),
    FUN = sum
)[, colnames(monoCat)]
 
aggregate(. ~ cat, rbind(monoCat, multiCat), FUN = sum)

Bonjour,

Merci beaucoup pour votre réponse détaillée.

En fait, je vais essayer de simplifier ma problématique, mon problème majeur c'est que j'ai plusieurs échantillons et chacun de ces echantillons donne une couleur qui appartient soit à une catégorie ou a plusieurs catégorie en même temps.

J'ai fait donc un barplot : en X les couleurs apparues (A,B,C,D,E,F) et en Y le nombre d’occurrence. Ce qui est très simple à faire sous R.

Après, je voudrais faire un barplot : en X les catégories et en Y le nombre d’occurrence des catégories. Pour une couleur qui a deux catégories à la fois, avec mon code elle va être comptabilisée deux fois et la somme d’occurrence de toutes les catégories ne correspondra pas au nombre d'occurrence des couleurs. C'est pour cela que j'ai cherché à diviser par le nombre de ligne dupliqué.

Je ne sais pas si ma problématique est claire, je me rend compte qu'elle est peut etre plutôt problématique d'un point de vue méthodologique.

Merci bien,
:)

1 pièce(s) jointe(s)

Bonjour,
La problématique est ici toute autre que dans le message initial. Il me semble que vous souhaitez visualiser deux variables catégorielles en même temps. Pour ainsi faire, la fonction qui me vient à l'esprit est mosaicplot de la bibliothèque de base graphics. Il y a plusieurs façons de produire un diagramme en bâtons de plusieurs variables ; j'en vous propose une basée sur la bibliothèque ggplot2.

1) Attachement de quelques bibliothèques et chargement des données

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
invisible(sapply(c("GGally", "ggplot2", "reshape2", "sjPlot", "vcd"), library, character.only = TRUE))
 
DF <- read.table(text = " Color Cat
A 1
B 1
C 4,2
D 1,3
E 1,2
F 3
G 5
A 2
B 3
C 1,2
D 4,3
E 3
F 1
G 1" , header = TRUE, stringsAsFactors = FALSE)
 
aplatirCat <- function(données, nomCat = "Cat", nomCoul = "Color") {
    tmp <- strsplit(données[[nomCat]], ",", fixed = TRUE)
    names(tmp) <- données[[nomCoul]]
    res <- reshape2::melt(tmp)
    colnames(res) <- c(nomCat, nomCoul)
    return(res[c(2L, 1L)])
}
 
DFRetravaillé <- aplatirCat(DF)
tblDF <- table(DFRetravaillé$Cat, DFRetravaillé$Color)
tblDF <- as.table(tblDF[as.character(seq_len(nrow(tblDF))),])
matEffectifs <- matrix(as.vector(tblDF), ncol = length(unique(DFRetravaillé$Color)))
colnames(matEffectifs) <- colnames(tblDF)
row.names(matEffectifs) <- paste0("cat", seq_along(unique(DFRetravaillé$Cat)))
donnéesDess <- reshape2::melt(tblDF)
colnames(donnéesDess) <- c("Catégorie", "Couleur", "Occurrences")

2) Différents diagrammes en bâtons :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
# avec ggplot2
squelette <- ggplot(donnéesDess, aes(Catégorie, Occurrences, fill = Couleur)) +
    labs(x = "", y = "")
dess1 <- squelette + geom_bar(stat = "identity")# position = "stack"
dess2 <- squelette + geom_bar(stat = "identity", position = "dodge")
dess3 <- squelette + geom_bar(stat = "identity", position = "fill")
 
# avec sjPlot
dess4 <- sjp.xtab(donnéesDess$Occurrences, donnéesDess$Catégorie, printPlot = FALSE)
 
# affichage, sauvegarde, etc.
print(dess1); print(dess2); print(dess3)
suppressWarnings(print(dess4))

3) Créer un mosaic plot à la ggplot2. La tâche peut aussi être considérée comme consistant en la visualisation de matrices de corrélation.

Code:

1
2
3
4
5
6
7
dess5 <- ggfluctuation2(tblDF) +
    theme(axis.title.x = element_blank(), axis.title.y = element_blank())
dess6 <- ggcorr(prop.table(matEffectifs))
dess7 <- ggcorr(prop.table(aperm(matEffectifs)))
 
# affichage, sauvegarde, etc.
print(dess5); print(dess6); print(dess7)

4) Pour aller plus loin avec les tableaux de contingences, la bibliothèque vcd est un bon candidat ; concernant la visualisation, voir ses fonctions :

Code:

1
2
3
4
5
6
7
8
assoc(tblDF)
cotabplot(matEffectifs)
mosaic(matEffectifs)
strucplot(matEffectifs)
tile(matEffectifs)
 
# La fonction mosaicplot mentionnée plus haut, de la bibliothèque graphics
mosaicplot(tblDF)

5) Vérifications de l'exactitude du dénombrement des couleurs et catégories

> print(DF)
   Color Cat
1      A   1
2      B   1
3      C 4,2
4      D 1,3
5      E 1,2
6      F   3
7      G   5
8      A   2
9      B   3
10     C 1,2
11     D 4,3
12     E   3
13     F   1
14     G   1
> print(addmargins(tblDF))
       A  B  C  D  E  F  G Sum
  1    1  1  1  1  1  1  1   7
  2    1  0  2  0  1  0  0   4
  4    0  0  1  1  0  0  0   2
  3    0  1  0  2  1  1  0   5
  5    0  0  0  0  0  0  1   1
  Sum  2  2  4  4  3  2  2  19

N.B. Le code comporte des correctifs modifiant celui d'il y a quelques instants (week-end, non-relecture et tout ça).Pièce jointe 202283

Avec un peu de retard, merci beaucoup pour votre aide précieuse, j'ai pu résoudre mon problème grace à votre code :)

Merci :)