Discussion :

[comme de bien entendu]

Bonjour,
J'ai généré une distance de similarité entre texte grâce à la fonction "pairwise similarity" qui me fournit un data.frame sur 3 colonnes:

item1	item2	similarity
Benoît	François	0,0418411724
Benoît	Marine	0,0418253988
Benoît	Jean-Luc	0,0410565534
Benoît	Emmanuel	0,0393344223
Benoît	Nicolas	0,0368840665
Benoît	Jacques	0,0239595689
Benoît	François	0,0225942804
Benoît	Jean	0,021960521
Benoît	Philippe	0,0182790387
Benoît	Nathalie	0,0172037347
...

J'aimerais faire une Classfication Hierarchique Ascendante dessus.
Seulement en général la fonction hclust (qui fait cela) nécessite une matrice de distance de ce type pour intégrer les données.





Y a t'il un moyen par une fonction R de générer cette matrice ? (j'ai commencé une routine de parcours de mes enregs mais ça ne fonctionne pas)
Merci de vos idées.

[statnmap]

Bonjour,

Je tente de reproduire vos données avec un exemple. Je pars du principe qu'il n'y a pas à la fois le couple "Benoit - François" et "François - Benoit".

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
library(dplyr)
library(tidyr)
 
# creation de donnees reproductibles
my_data <- t(combn(letters[1:5], m = 2)) %>% 
  as.data.frame() %>% 
  rename(item1 = V1, item2 = V2) %>% 
  mutate(similarity = runif(n()))
 
my_data
#>    item1 item2 similarity
#> 1      a     b 0.54330428
#> 2      a     c 0.36558156
#> 3      a     d 0.21660107
#> 4      a     e 0.80978281
#> 5      b     c 0.84192376
#> 6      b     d 0.89579873
#> 7      b     e 0.51401129
#> 8      c     d 0.06428691
#> 9      c     e 0.20805559
#> 10     d     e 0.29695351

# pivot des données

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
my_data %>% 
  pivot_wider(names_from = item2, values_from = similarity)
#> # A tibble: 4 x 5
#>   item1      b      c       d     e
#>   <chr>  <dbl>  <dbl>   <dbl> <dbl>
#> 1 a      0.543  0.366  0.217  0.810
#> 2 b     NA      0.842  0.896  0.514
#> 3 c     NA     NA      0.0643 0.208
#> 4 d     NA     NA     NA      0.297

# Si jamais vous n'avez pas entré vos données dans l'ordre alphanumeric, à savoir item2 > item1
# vous pouvez le refaire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
my_data %>% 
  rowwise() %>% 
  mutate(
    item_min = min(item1, item2),
    item_max = max(item1, item2)
  ) %>% 
  select(-item1, -item2) %>% 
  pivot_wider(names_from = item_max, values_from = similarity)
#> # A tibble: 4 x 5
#>   item_min      b      c       d     e
#>   <chr>     <dbl>  <dbl>   <dbl> <dbl>
#> 1 a         0.543  0.366  0.217  0.810
#> 2 b        NA      0.842  0.896  0.514
#> 3 c        NA     NA      0.0643 0.208
#> 4 d        NA     NA     NA      0.297

# Ou dans l'autre sens pour la diagonale en bas

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
my_data %>% 
  rowwise() %>% 
  mutate(
    item_min = min(item1, item2),
    item_max = max(item1, item2)
  ) %>% 
  select(-item1, -item2) %>% 
  pivot_wider(names_from = item_min, values_from = similarity)
#> # A tibble: 4 x 5
#>   item_max     a      b       c      d
#>   <chr>    <dbl>  <dbl>   <dbl>  <dbl>
#> 1 b        0.543 NA     NA      NA    
#> 2 c        0.366  0.842 NA      NA    
#> 3 d        0.217  0.896  0.0643 NA    
#> 4 e        0.810  0.514  0.208   0.297

^{Created on 2020-06-22 by the [reprex package](https://reprex.tidyverse.org) (v0.3.0)}

[comme de bien entendu]

Merci bien, c'est super cette fonction. Et cool aussi le fonctionnement de "reprex".
Bonne journée.

[tototode]

Bonjour,

une autre possibilité :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

as.dist(xtabs(similarity ~ item2 + item1, my_data))

Cordialement

[comme de bien entendu]

Super efficace. Merci bien.