similarité

Question

Hye indice,

Je voudrais calculer un indice de similarité, afin d'obtenir une lorsque des lignes ar simialr et -1 quand ils ne sont pas.

dataR<- read.table(text=' 
    echant espece 
    ech1 esp1 
    ech2 esp2 
    ech3 esp2 
    ech4 esp3 
    ech5 esp3 
    ech6 esp4 
    ech7 esp4', header=TRUE) 

Je voudrais obtenir une matrice comme celle (ou NA sur le diag, il ne compte pas vraiment)

Eh bien, j'ai essayé paquet proxy avec fonction Simil

library(proxy)  
trst<-read.table("Rtest_simil.csv",header=T,sep=",",dec=".") 
    is.numeric(trst[,2]) 
    as.numeric(trst[,2]) #the column "espece" becomes numeric 
    sim<-simil(trst,diag=TRUE) 

Mais les résultats ne sont pas exactement ce que je voulais. 1) La similarité entre ech 2 et 3 par exemple est de 0,5 et la diagonale est de 0; 2) les étiquettes de ech sont perdues 3) ... de plus, je ne peux pas l'enregistrer dans un format .csv.

Est-ce que quelqu'un a un conseil? merci beaucoup!

Answer 1

Il y a sans doute des moyens plus compact pour le faire:

library(tidyr) 
same <- function(x) { ifelse(is.na(x), -1, 1) } 
spread(dataR, espece, espece) %>% 
    mutate_at(vars(-echant), funs(same)) 
## echant esp1 esp2 esp3 esp4 
## 1 ech1 1 -1 -1 -1 
## 2 ech2 -1 1 -1 -1 
## 3 ech3 -1 1 -1 -1 
## 4 ech4 -1 -1 1 -1 
## 5 ech5 -1 -1 1 -1 
## 6 ech6 -1 -1 -1 1 
## 7 ech7 -1 -1 -1 1 

Answer 2

La matrice décrite dans le poste peut être obtenu avec:

same.mat <- outer(dataR$espece, dataR$espece, "==") * 2 - 1 

Pour attribuer les noms aux colonnes et de lignes que décrit dans le post, on peut utiliser des noms de famille et colnames.

rownames(same.mat) <- colnames(same.mat) <- dataR$echant 
> same.mat 
#  ech1 ech2 ech3 ech4 ech5 ech6 ech7 
#ech1 1 -1 -1 -1 -1 -1 -1 
#ech2 -1 1 1 -1 -1 -1 -1 
#ech3 -1 1 1 -1 -1 -1 -1 
#ech4 -1 -1 -1 1 1 -1 -1 
#ech5 -1 -1 -1 1 1 -1 -1 
#ech6 -1 -1 -1 -1 -1 1 1 
#ech7 -1 -1 -1 -1 -1 1 1 

---

Une autre approche pourrait être:

same.mat <- (as.matrix(dist(as.numeric(dataR$espece)))==0)*2 - 1 
rownames(same.mat) <- colnames(same.mat) <- dataR$echant