loi de Benford dans R

Question

Je suis en train de mettre en œuvre la loi de Benford R. Jusqu'à présent, tout fonctionne en conséquence, sauf que s'il y a des premiers-chiffres avec 0 occurrences, une exception est levée:

Error in data.frame(digit = 1:9, actual.count = first_digit_counts, actual.fraction = first_digit_counts/nrow(fraudDetection), : 
    arguments imply differing number of rows: 9, 5 

C'est parce que pour mon ensemble de données actuel, il n'y a que les premiers chiffres commençant par 1, 2, 7, 8 et 9. Comment faire en sorte que 3, 4, 5, 6 aura un compte de 0 au lieu de ne pas apparaître du tout dans la table?

Current Data Set:

Ceci est la partie qui est à l'origine l'exception à jeter:

first_digit_counts <- as.vector(table(fraudDetection$first.digit)) 

Le code actuel dans lequel ce code correspond à est aussi suit:

# load the required packages 
require(reshape) 
require(stringr) 
require(plyr) 
require(ggplot2) 
require(scales) 

# load in data from CSV file 
fraudDetection <- read.csv("Fraud Case in Arizona 1993.csv") 
names(fraudDetection) 

# take only the columns containing the counts and manipulate the data into a "long" format with only one value per row 
# let's try to compare the amount of the fraudulent transactions against the Benford's Law 
fraudDetection <- melt(fraudDetection["Amount"]) 

# add columns containing the first and last digits, extracted using regular expressions 
fraudDetection <- ddply(fraudDetection, .(variable), transform, first.digit = str_extract(value, "[123456789]"), last.digit = str_extract(value, "[[:digit:]]$")) 

# compare counts of each actual first digit against the counts predicted by Benford’s Law 
first_digit_counts <- as.vector(table(fraudDetection$first.digit)) 
first_digit_actual_vs_expected <- data.frame(
digit   = 1:9, 
actual.count  = first_digit_counts,  
actual.fraction = first_digit_counts/nrow(fraudDetection), 
benford.fraction = log10(1 + 1/(1:9)) 
) 

Answer 1

Afin de faire en sorte que tous les chiffres sont représentés dans first_digit_counts, vous pouvez convertir first.digit à un facteur, définissant explicitement les niveaux afin qu'ils comprennent tous les chiffres de 1 à 9:

first_digit = c(1, 1, 3, 5, 5, 5, 7, 7, 7, 7, 9) 
first_digit_factor = factor(first_digit, levels=1:9) # Explicitly set the levels 

Cela rend vos table appels effectuent comme prévu:

> table(first_digit) 
first_digit 
1 3 5 7 9 
2 1 3 4 1 
> table(first_digit_factor) 
first_digit_factor 
1 2 3 4 5 6 7 8 9 
2 0 1 0 3 0 4 0 1 
> as.vector(table(first_digit_factor)) 
[1] 2 0 1 0 3 0 4 0 1 

Answer 2

Une fonction de ceci est disponible à partir du paquet rattle

library(rattle) 
dummy <- rnorm(100) 
calcInitialDigitDistr(dummy, split = "none") 

Answer 3

Fonction utile d'une ligne

benford = function(x) barplot(table(as.numeric(substr(x,1,1)))) 

benford(ggplot2::diamonds$price)