R中有没有办法在R中创建最近邻和变量值的矩阵？

Question

我有看起来像这样的数据：

   identity  growth x-pos y-pos
1:     Z      0.1   0.5   0.7
2:     B      0.1   0.1   0.0
3:     C      0.2   4.6   2.5
4:     D      0.3   5.6   5.0
5:     A      0.4   0.2   1.0
6:     P      0.1   0.4   2.0

我想比较每个具有唯一标识的对象的 n 个最近邻居之间的增长值是否相关。 因此，基本上创建一个矩阵，该矩阵根据x-pos和y-pos表示的位置为每个唯一identity行标识 5 个最近的邻居，并在对象的growth值（例如Z ）和第一个的增长值之间进行关联， Z第 2、第 3、第 4 和第 5 个最近邻。

我尝试制作欧几里得矩阵，然后使用 ADE 包使用自相关度量，但想知道是否有更简单的方法来构建这样的矩阵。

Answer 1

之间执行corelations growth对象的值（例如Z ）和第一，第二，第三，第四的生长值和第五最近邻Z

您无法计算两点之间的相关性。

我能想到的最相似的事情是计算您的点与其平均邻居之间的相关性，或者进行成对测试来比较它们。 但这将适用于所有“对象”，而不是每个对象的相关性（因为每个对象只有 1 个点）。

创建一个矩阵，根据 x-pos 和 y-pos 表示的位置为每个唯一标识行标识 5 个最近的邻居

# read in data
df <- tribble(
  ~identity,  ~growth, ~`x-pos`, ~`y-pos`,
       "Z",      0.1,   0.5,   0.7,
       "B",      0.1,   0.1,   0.0,
       "C",      0.2,   4.6,   2.5,
       "D",      0.3,   5.6,   5.0,
       "A",      0.4,   0.2,   1.0,
       "P",      0.1,   0.4,   2.0)

# here with 3 neighbors since we have only 6 points
n_neighbors <- 3

# make matrix of coordinates
mat <- as.matrix(df[,3:4])
rownames(mat) <- df$identity

# compute [euclidian] distances
dmat <- as.matrix(dist(mat))

# find neighbors (by name)
nei_mat <- apply(dmat, 1,
                 function(crow) {names(sort(crow))[seq_len(n_neighbors+1)]})[-1,]

# match names to initial data frame to make matrix of growth
ref_growth_mat <- matrix(df$growth, dimnames=list(df$identity))
growth_mat <- matrix(ref_growth_mat[nei_mat,], nrow = n_neighbors)
colnames(growth_mat) <- df$identity

# done
growth_mat
#>        Z   B   C   D   A   P
#> [1,] 0.4 0.1 0.3 0.2 0.1 0.4
#> [2,] 0.1 0.4 0.1 0.1 0.1 0.1
#> [3,] 0.1 0.1 0.1 0.1 0.1 0.1