基于最高百分比将行名映射为列名的R语言实现需求

首先先明确你的输入数据和现有函数：

输入数据 #

voyages <- c("VIC0016", "VIC0016", "VIC0016", "VIC0016", "VIC0016", "VIC0016", "Truck", "VIC0016", "VIC0016", "VIC0016", "JUL0983", "BB11356", "VIC0022", "VIC0022", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981", "ISK1981")
clusters <- c(5, 5, 5, 4, 4, 4, 1, 3, 4, 3, 5, 2, 4, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6)

现有生成百分比矩阵的函数 #

calculate.confusion <- function(voyages, clusters) {
  d <- data.frame(voyages, clusters)
  td <- as.data.frame(table(d)) 
  # convert the raw counts into percentage of each voyage number
  pc <- matrix(ncol=max(clusters),nrow=0)
  for (i in 1:11) # 11 different voyage numbers
  {
    total <- sum(td[td$voyages==td$voyages[i],3]) #,3 is the third column, showing the frequencies
    pc <- rbind(pc, td[td$voyages==td$voyages[i],3]/total)
  }
  rownames(pc) <- td[1:11,1]
  colnames(pc)<-1:11
  return(pc)
}

先运行函数得到初始矩阵：

confusion_mat <- calculate.confusion(voyages, clusters)

接下来针对你的两个需求（每行最高百分比列用该行名命名、每个行名仅用一次），提供两种实现方案：

方案1：基础映射（先到先得处理冲突） #

这个方案先给每行的最高百分比列分配行名，遇到多个行争夺同一列时，保留第一个匹配的行名，剩余行名分配给未被使用的列：

# 1. 找出每行百分比最高的列索引
max_col_indices <- apply(confusion_mat, 1, which.max)

# 2. 建立初始映射：列索引 -> 对应的行名
col_row_mapping <- setNames(names(max_col_indices), max_col_indices)

# 3. 处理未被分配的行和列
used_row_names <- unique(names(max_col_indices))
remaining_rows <- setdiff(rownames(confusion_mat), used_row_names)
remaining_cols <- setdiff(colnames(confusion_mat), names(col_row_mapping))

# 给剩余列分配剩余行名（按顺序）
col_row_mapping <- c(col_row_mapping, setNames(remaining_rows, remaining_cols))

# 4. 替换矩阵列名
colnames(confusion_mat) <- col_row_mapping[colnames(confusion_mat)]

方案2：优化映射（优先分配百分比最高的匹配） #

如果出现多个行的最高百分比列相同，这个方案会为该列选择百分比最高的那个行名，剩余的行再去匹配次高百分比的列，逻辑更严谨：

需要用到tidyverse工具包，如果没安装先运行install.packages("tidyverse")：

library(tidyverse)

# 1. 将矩阵转成长格式，方便按列（cluster）筛选最高百分比的行
long_format <- confusion_mat %>%
  as.data.frame() %>%
  mutate(voyage = rownames(.)) %>%
  pivot_longer(-voyage, names_to = "cluster", values_to = "percentage") %>%
  arrange(cluster, desc(percentage)) # 按cluster分组，百分比从高到低排序

# 2. 为每个cluster选择百分比最高的唯一voyage
unique_mapping <- long_format %>%
  group_by(cluster) %>%
  slice(1) %>% # 取每组第一个（即百分比最高的）
  ungroup() %>%
  select(cluster, voyage) %>%
  deframe() # 转换为cluster -> voyage的映射

# 3. 处理剩余未分配的行和列
unused_voyages <- setdiff(rownames(confusion_mat), unique_mapping)
unused_clusters <- setdiff(colnames(confusion_mat), names(unique_mapping))

# 分配剩余的对应关系（可根据需求调整顺序逻辑）
unique_mapping <- c(unique_mapping, setNames(unused_voyages, unused_clusters))

# 4. 替换列名
colnames(confusion_mat) <- unique_mapping[colnames(confusion_mat)]

运行后，你的矩阵列名就会按照要求替换为voyage编号，且每个行名只出现一次。

内容的提问来源于stack exchange，提问作者Fleur Lolkema