Блау индекс разнообразия в R

Question

Я пытаюсь вычислить индекс разнообразия Блау (Джини-Симпсона) в R на моем фрейме данных. У меня есть 6 столбцов для каждого человека в группе со значениями от "Студент", "Факультет", "Выпускник", "Не применимо". Есть также NA внутри столбцов, если группа меньше 6.

Я хотел бы рассчитать индекс Блау по строкам (разнообразие по всей группе), а не по каждому столбцу, с na.rm= TRUE.

Кто-нибудь знает, как это сделать в R?

Спасибо!

Смотрите здесь для изображения кадра данных

Answer 1

Мы можем довольно легко вычислить индекс Джини-Симпсона вручную.

Прежде всего, я сгенерирую некоторые примеры данных:

# Generate sample data
set.seed(2017);
type <- c("Student", "Faculty", "Alumni");
data <- sample(type, 6 * 20, replace = TRUE);

# Replace 40 entries with NAs
set.seed(2017);
data[sample(6 * 20, 40)] <- NA;

# Reformat as 6 column dataframe
df <- as.data.frame(matrix(data, ncol = 6), stringsAsFactors = FALSE);
names(df) <- paste0("e", seq(1:6), "_affiliation");
head(df);
#e1_affiliation e2_affiliation e3_affiliation e4_affiliation e5_affiliation
#1           <NA>        Faculty           <NA>        Student        Student
#2           <NA>           <NA>           <NA>        Faculty         Alumni
#3           <NA>         Alumni        Student        Faculty        Faculty
#4        Student           <NA>           <NA>           <NA>           <NA>
#5           <NA>        Student         Alumni         Alumni        Student
#6         Alumni         Alumni        Faculty        Faculty        Student
# e6_affiliation
#1         Alumni
#2         Alumni
#3           <NA>
#4        Student
#5        Faculty
#6        Student

Индекс разнообразия Джини-Симпсона (= Гиббса-Мартина = Блау) определяется выражением

где R обозначает общее количество типов, и пропорциональная численность i- го типа.

Мы определяем функцию, которая принимает вектор строк и возвращает индекс GS:

# Define function to calculate the Gini-Simpson index
# We ensure the same levels (present or absent) of x
# by factor(x, levels = type)
# Note that NAs will not be considered by default
get.GS.index <- function(x, type) {
    x <- factor(x, levels = type);
    return(1 - sum(prop.table(table(x))^2));
}

Теперь мы можем подать заявку get.GS.index ко всем строкам информационного кадра

apply(df, 1, get.GS.index, type)
#[1] 0.6250000 0.4444444 0.6250000 0.0000000 0.6400000 0.6666667 0.5000000
#[8] 0.6250000 0.6400000 0.5000000 0.4444444 0.6400000 0.3750000 0.3750000
#[15] 0.0000000 0.0000000 0.6111111 0.4444444 0.6666667 0.6400000

---

Обновить

Мы можем изменить функцию get.GS.index возвращать NA если в группе присутствует только один тип.

get.GS.index <- function(x, type) {
    x <- factor(x, levels = type);
    t <- table(x);
    if (length(t[t>0]) == 1) return(NA) else return(1 - sum(prop.table(t)^2));
}

apply(df, 1, get.GS.index, type);
# [1] 0.6250000 0.4444444 0.6250000        NA 0.6400000 0.6666667 0.5000000
# [8] 0.6250000 0.6400000 0.5000000 0.4444444 0.6400000 0.3750000 0.3750000
#[15]        NA        NA 0.6111111 0.4444444 0.6666667 0.6400000