如何在一組二進制值上計算R中的漢明距離？

Question

我需要計算漢明距離並將它們繪制在R中的簇中，以獲得具有2列和45,000+行的數據集。 有沒有知名的圖書館？ 或者建議任何策略強於其他策略？

我嘗試了包“e1071”中的hamming.distance函數，並得到以下錯誤。 但即使我弄清楚如何計算漢明距離，我也不確定如何從這些結果轉換為聚類圖？

Error: evaluation nested too deeply: infinite recursion/options(expressions=)?
2015-02-02 18:50:59.704 R[1162:679616] Communications error:    <OS_xpc_error<error: 0x7fff7aaadb60> { count = 1, contents =
"XPCErrorDescription" => <string: 0x7fff7aaadfa8> { length = 22, contents =    "Connection interrupted" }

我試過這段代碼：

 H<-hamming.distance(df)

df看起來像這樣：

Name   Code
name1   0
name2   0
name3   1
name4   1
name5   0

感謝您查看此問題，非常感謝任何幫助。

Answer 1

要將每個行值與上一個行值進行比較，請創建一個新列，該列是上一行，並在兩列中應用此函數。

df = data.frame(x1=as.character(c("0", "0", "1")))
df$x2 = c(NA, df$x1[-1])

hamming.distance = function(string1, string2){
  if (is.na(string2)==T) { 
    return (NULL)
  }
  string1 = as.character(string1)
  string2 = as.character(string2)

  length.string1 = nchar(string1)
  length.string2 = nchar(string2)

  if (length.string1 != length.string2) warning("Inputs must be of equal length")

 string.temp1 = c()
 for (i in 1:length.string1){
    string.temp1[i] = substr(string1, start=i, stop=i)
   }
  string.temp2 = c()
  for (i in 1:length.string2){
    string.temp2[i] = substr(string2, start=i, stop=i)
  }
   return(sum(string.temp1 != string.temp2))
}

results = mapply(hamming.distance, df[,1], df[,2])

unlist(results)

注意： unlist(results)長度將比df對象中的行數短1，因為第一個條目是NA， unlist刪除該值。

Answer 2

您可以使用stringdist包來計算漢明距離： http ：//cran.r-project.org/web/packages/stringdist/stringdist.pdf

例如：

library(stringdist)
df <- data.frame( column1 = c("toned", "10112"), column2 = c("roses", "10223"))
stringdistmatrix(df$column1, df$column2, method = c("hamming"))#for distance matrix
stringdist(df$column1, df$column2, method = c("hamming"))#for vector of distance