New module src/math/categoricals .
authorJohn Darrington <john@darrington.wattle.id.au>
Sat, 17 Oct 2009 17:26:04 +0000 (19:26 +0200)
committerJohn Darrington <john@darrington.wattle.id.au>
Sat, 17 Oct 2009 17:26:04 +0000 (19:26 +0200)
Created a new object to keep track of categorical variables, and their
values.   This is similar to src/data/categorys.c but is created on
demand, and doesn't use any global state.

src/language/stats/correlations.c
src/math/automake.mk
src/math/categoricals.c [new file with mode: 0644]
src/math/categoricals.h [new file with mode: 0644]
src/math/covariance.c
src/math/covariance.h

index 277cfea5bb15a57648679dcc96b39a07a14dd0d5..2d893d615a2f76a02af8bd9da1a15e0744023909 100644 (file)
@@ -324,9 +324,9 @@ run_corr (struct casereader *r, const struct corr_opts *opts, const struct corr
   const gsl_matrix *var_matrix,  *samples_matrix, *mean_matrix;
   const gsl_matrix *cov_matrix;
   gsl_matrix *corr_matrix;
-  struct covariance *cov = covariance_create (corr->n_vars_total, corr->vars,
-                                             opts->wv, opts->exclude, 2);
-
+  struct covariance *cov = covariance_2pass_create (corr->n_vars_total, corr->vars,
+                                                   0, NULL,
+                                                   opts->wv, opts->exclude);
 
   struct casereader *rc = casereader_clone (r);
   for ( ; (c = casereader_read (r) ); case_unref (c))
@@ -343,7 +343,6 @@ run_corr (struct casereader *r, const struct corr_opts *opts, const struct corr
 
   casereader_destroy (rc);
 
-
   samples_matrix = covariance_moments (cov, MOMENT_NONE);
   var_matrix = covariance_moments (cov, MOMENT_VARIANCE);
   mean_matrix = covariance_moments (cov, MOMENT_MEAN);
index 9fc15aaf10a35088095399764f85a910178e9816..053ee440b4d496a0f1a587606779205152c8e019 100644 (file)
@@ -13,6 +13,8 @@ src_math_libpspp_math_la_SOURCES = \
        src/math/box-whisker.c src/math/box-whisker.h \
        src/math/coefficient.c \
        src/math/coefficient.h \
+       src/math/categoricals.h \
+       src/math/categoricals.c \
        src/math/covariance.c \
        src/math/covariance.h \
        src/math/covariance-matrix.c \
diff --git a/src/math/categoricals.c b/src/math/categoricals.c
new file mode 100644 (file)
index 0000000..a1c6f50
--- /dev/null
@@ -0,0 +1,158 @@
+/* PSPP - a program for statistical analysis.
+   Copyright (C) 2009 Free Software Foundation, Inc.
+
+   This program is free software: you can redistribute it and/or modify
+   it under the terms of the GNU General Public License as published by
+   the Free Software Foundation, either version 3 of the License, or
+   (at your option) any later version.
+
+   This program is distributed in the hope that it will be useful,
+   but WITHOUT ANY WARRANTY; without even the implied warranty of
+   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
+   GNU General Public License for more details.
+
+   You should have received a copy of the GNU General Public License
+   along with this program.  If not, see <http://www.gnu.org/licenses/>. */
+
+#include <config.h>
+
+#include <stdio.h>
+
+#include "categoricals.h"
+
+#include <gl/xalloc.h>
+#include <data/variable.h>
+#include <data/case.h>
+#include <data/value.h>
+#include <libpspp/hmap.h>
+
+struct categoricals
+{
+  const struct variable **vars;
+  size_t n_vars;
+
+  const struct variable *wv;
+
+  struct hmap *map;
+
+  int *next_index;
+
+  size_t n_cats;
+};
+
+
+struct value_node
+  {
+    struct hmap_node node;      /* Node in hash map. */
+    union value value;          /* The value being labeled. */
+    double cc;                  /* The total of the weights of cases with this value */
+    int index;                  /* A zero based integer, unique within the variable.
+                                  Can be used as an index into an array */
+  };
+
+
+static struct value_node *
+lookup_value (const struct hmap *map, const struct variable *var, const union value *val)
+{
+  struct value_node *foo;
+  unsigned int width = var_get_width (var);
+  size_t hash = value_hash (val, width, 0);
+
+  HMAP_FOR_EACH_WITH_HASH (foo, struct value_node, node, hash, map)
+    {
+      if (value_equal (val, &foo->value, width))
+       break;
+    }
+
+  return foo;
+}
+
+
+struct categoricals *
+categoricals_create (const struct variable **v, size_t n_vars, const struct variable *wv)
+{
+  size_t i;
+  struct categoricals *cat = xmalloc (sizeof *cat);
+  
+  cat->vars = v;
+  cat->n_vars = n_vars;
+  cat->wv = wv;
+  cat->n_cats = 0;
+
+  cat->map = xmalloc (sizeof *cat->map * n_vars);
+  cat->next_index = xcalloc (sizeof *cat->next_index, n_vars);
+
+  for (i = 0 ; i < cat->n_vars; ++i)
+    {
+      hmap_init (&cat->map[i]);
+    }
+
+  return cat;
+}
+
+
+void
+categoricals_update (struct categoricals *cat, const struct ccase *c)
+{
+  size_t i;
+  
+  const double weight = cat->wv ? case_data (c, cat->wv)->f : 1.0;
+
+  for (i = 0 ; i < cat->n_vars; ++i)
+    {
+      unsigned int width = var_get_width (cat->vars[i]);
+      const union value *val = case_data (c, cat->vars[i]);
+      size_t hash = value_hash (val, width, 0);
+
+      struct value_node  *node = lookup_value (&cat->map[i], cat->vars[i], val);
+
+      if ( NULL == node)
+       {
+         node = xmalloc (sizeof *node);
+
+         value_init (&node->value, width);
+         value_copy (&node->value, val, width);
+         node->cc = 0.0;
+
+         hmap_insert (&cat->map[i], &node->node,  hash);
+         cat->n_cats ++;
+         node->index = cat->next_index[i]++ ;
+       }
+
+      node->cc += weight;
+    }
+}
+
+/* Return the number of categories (distinct values) for variable N */
+size_t
+categoricals_n_count (const struct categoricals *cat, size_t n)
+{
+  return hmap_count (&cat->map[n]);
+}
+
+
+/* Return the index for value VAL in the Nth variable */
+int
+categoricals_index (const struct categoricals *cat, size_t n, const union value *val)
+{
+  struct value_node *vn = lookup_value (&cat->map[n], cat->vars[n], val);
+
+  if ( vn == NULL)
+    return -1;
+
+  return vn->index;
+}
+
+
+/* Return the total number of categories */
+size_t
+categoricals_total (const struct categoricals *cat)
+{
+  return cat->n_cats;
+}
+
+
+
+
+
+
diff --git a/src/math/categoricals.h b/src/math/categoricals.h
new file mode 100644 (file)
index 0000000..af92264
--- /dev/null
@@ -0,0 +1,28 @@
+#ifndef _CATEGORICALS__
+#define _CATEGORICALS__
+
+#include <stddef.h>
+
+struct categoricals;
+struct variable;
+struct ccase;
+
+union value ;
+
+struct categoricals *categoricals_create (const struct variable **v, size_t n_vars,
+                                         const struct variable *wv);
+
+void categoricals_update (struct categoricals *cat, const struct ccase *c);
+
+
+/* Return the number of categories (distinct values) for variable N */
+size_t categoricals_n_count (const struct categoricals *cat, size_t n);
+
+
+/* Return the total number of categories */
+size_t categoricals_total (const struct categoricals *cat);
+
+/* Return the index for variable N */
+int categoricals_index (const struct categoricals *cat, size_t n, const union value *val);
+
+#endif
index 1548187b3c0b1c7c19d8481c2e74e9b267e809a8..1d908b3d1754ab9980f5717e968fb478598a14b5 100644 (file)
@@ -24,6 +24,7 @@
 #include <data/case.h>
 #include <data/variable.h>
 #include <libpspp/misc.h>
+#include "categoricals.h"
 
 #define n_MOMENTS (MOMENT_VARIANCE + 1)
 
@@ -35,8 +36,7 @@ struct covariance
   const struct variable **vars;
 
   /* Categorical variables. */
-  size_t n_catvars;
-  const struct variable **catvars;
+  struct categoricals *categoricals;
 
   /* Array containing number of categories per categorical variable. */
   size_t *n_categories;
@@ -96,26 +96,22 @@ covariance_moments (const struct covariance *cov, int m)
 /* Create a covariance struct.
  */
 struct covariance *
-covariance_create (size_t n_vars, const struct variable **vars,
-                  const struct variable *weight, enum mv_class exclude, 
-                  short passes)
+covariance_1pass_create (size_t n_vars, const struct variable **vars,
+                        const struct variable *weight, enum mv_class exclude)
 {
   size_t i;
   struct covariance *cov = xmalloc (sizeof *cov);
-  assert (passes == 1 || passes == 2);
-  cov->passes = passes;
+
+  cov->passes = 1;
   cov->state = 0;
   cov->pass_one_first_case_seen = cov->pass_two_first_case_seen = false;
   
-  cov->vars = xmalloc (sizeof *cov->vars * n_vars);
+  cov->vars = vars;
 
   cov->wv = weight;
   cov->n_vars = n_vars;
   cov->dim = n_vars;
 
-  for (i = 0; i < n_vars; ++i)
-    cov->vars[i] = vars[i];
-
   cov->moments = xmalloc (sizeof *cov->moments * n_MOMENTS);
   
   for (i = 0; i < n_MOMENTS; ++i)
@@ -139,31 +135,33 @@ covariance_create (size_t n_vars, const struct variable **vars,
 struct covariance *
 covariance_2pass_create (size_t n_vars, const struct variable **vars,
                         size_t n_catvars, const struct variable **catvars, 
-                        const struct variable *weight, enum mv_class exclude)
+                        const struct variable *wv, enum mv_class exclude)
 {
   size_t i;
   struct covariance *cov = xmalloc (sizeof *cov);
-  cov->vars = xmalloc (sizeof *cov->vars * n_vars);
-  cov->catvars = xnmalloc (n_catvars, sizeof (*cov->catvars));
-  cov->n_categories = xnmalloc (n_catvars, sizeof (cov->n_categories));
 
-  cov->wv = weight;
-  cov->n_vars = n_vars;
-  cov->n_catvars = n_catvars;
-
-  for (i = 0; i < n_vars; ++i)
-    cov->vars[i] = vars[i];
+  cov->passes = 2;
+  cov->state = 0;
+  cov->pass_one_first_case_seen = cov->pass_two_first_case_seen = false;
+  
+  cov->vars = vars;
 
-  for (i = 0; i < n_catvars; i++)
-    {
-      cov->catvars[i] = catvars[i];
-      cov->n_categories[i] = 0;
-    }
+  cov->wv = wv;
+  cov->n_vars = n_vars;
+  cov->dim = n_vars;
 
   cov->moments = xmalloc (sizeof *cov->moments * n_MOMENTS);
   
+  for (i = 0; i < n_MOMENTS; ++i)
+    cov->moments[i] = gsl_matrix_calloc (n_vars, n_vars);
+
   cov->exclude = exclude;
 
+  cov->n_cm = - 1;
+  cov->cm = NULL;
+
+  cov->categoricals = categoricals_create (catvars, n_catvars, wv);
+
   return cov;
 }
 
@@ -226,6 +224,8 @@ covariance_accumulate_pass1 (struct covariance *cov, const struct ccase *c)
       cov->state = 1;
     }
 
+  categoricals_update (cov->categoricals, c);
+
   for (i = 0 ; i < cov->n_vars; ++i)
     {
       const union value *val1 = case_data (c, cov->vars[i]);
@@ -270,6 +270,10 @@ covariance_accumulate_pass2 (struct covariance *cov, const struct ccase *c)
       assert (cov->state == 1);
       cov->state = 2;
 
+      cov->dim = cov->n_vars + categoricals_total (cov->categoricals);
+      cov->n_cm = (cov->dim * (cov->dim - 1)  ) / 2;
+      cov->cm = xcalloc (sizeof *cov->cm, cov->n_cm);
+
       /* Divide the means by the number of samples */
       for (i = 0; i < cov->n_vars; ++i)
        {
index 8855433e62eec71d582427dbcab02a63e5a2e43b..22e38e1ed7ae4370298442a02d476a2cc01fe4d3 100644 (file)
@@ -27,14 +27,13 @@ struct covariance;
 struct variable;
 struct ccase ;
 
-struct covariance * covariance_create (size_t n_vars, const struct variable **vars, 
-                                      const struct variable *wv, enum mv_class excl,
-                                      short passes);
+struct covariance * covariance_1pass_create (size_t n_vars, const struct variable **vars, 
+                                            const struct variable *wv, enum mv_class excl);
 
 struct covariance *
 covariance_2pass_create (size_t n_vars, const struct variable **vars,
                         size_t n_catvars, const struct variable **catvars, 
-                        const struct variable *weight, enum mv_class excl);
+                        const struct variable *wv, enum mv_class excl);
 
 void covariance_accumulate (struct covariance *, const struct ccase *);
 void covariance_accumulate_pass1 (struct covariance *, const struct ccase *);