在 R 中使用 dist 计算和绘制成对距离

Question

我有一个包含 4 列的数据框。

set.seed(123)
df <- data.frame(A = round(rnorm(1000, mean = 1)),
           B = rpois(1000, lambda = 3),
           C = round(rnorm(1000, mean = -1)),
           D = round(rnorm(1000, mean = 0)))

我想在我的数据帧的每一行计算我的列（AB、AC、AD、BC、BD、CD）的每个可能组合的距离。 这相当于对每个组合执行df$A - df$B 。

由于我有一个非常大的数据集，我们可以使用dist()函数来有效地计算它吗？ 然后我想将 dist 对象转换为data.frame以使用ggplot2绘制结果。 除非有一个很好的tidy版本来完成上述操作。

非常感谢

我得到的最接近的是执行以下操作，但我不确定列名指的是什么。

d <- apply(as.matrix(df), 1, function(e) as.vector(dist(e)))
t(d)

Answer 1

dist会将向量中的每个值与同一向量中的每个其他值进行比较，因此，如果您要逐行比较列，这不是您要查找的内容。

如果您只想成对计算所有列之间的差异，您可以执行以下操作：

df <- cbind(df, 
            do.call(cbind, lapply(asplit(combn(names(df), 2), 2), function(x) {
  setNames(data.frame(df[x[1]] - df[x[2]]), paste(x, collapse = ""))
})))

head(df)
#>   A B  C  D AB AC AD BC BD CD
#> 1 0 1 -2 -1 -1  2  1  3  2 -1
#> 2 1 1 -1  1  0  2  0  2  0 -2
#> 3 3 1 -2 -1  2  5  4  3  2 -1
#> 4 1 3  0 -1 -2  1  2  3  4  1
#> 5 1 3  0  1 -2  1  0  3  2 -1
#> 6 3 3  1  0  0  2  3  2  3  1

^{由reprex 包于 2022-06-14 创建 (v2.0.1)}

Answer 2

使用基数 r：

df_dist <- t(apply(df, 1, dist))
colnames(df_dist) <- apply(combn(names(df), 2), 2, paste0, collapse = "_")

如果您真的想使用整洁的方法，则可以使用c_across ，但这也会删除名称，并且如果您的数据很大，则速度会慢得多