我想做一個函式來計算一個向量中某組內所有配對組合的百分比差異 -有解無憂

所以我需要計算y列中所有數值組合的百分比差異。例如，B 1和B 2之間的差異。然后是B 1和B 3之間的差異，以此類推，所有B的組合都是如此。

下面是一些示例資料......

structure(list(Levelname = c("B 1"/span>。  "B 2", "B 3","B 4", "D 1"。  "D 2",/span> "D 3"。  "D 4"）。  y = c（0。 679428655093332, 
1.07554328679719, 0.883000346050764,  0. 791772867506205, 0.538143790501689, 
0.805122127560562, 0.591353204313314,  0. 795225886492002）。 填充= c("midnightblue"， 
"dodgerblue4", "steelblue3"。  "lightskyblue", "midnightblue","dodgerblue4", "steelblue3"。  "lightskyblue"）。 物種 = c("White Grunt",) 
"White Grunt", "White Grunt",。  "White Grunt", "White Grunt", "White Grunt", 
"White Grunt"。  "White Grunt"), row. names = c(NA。  -8L）。  class = "data. frame")

我理想的輸出將是一個帶有某種識別符號的資料框架，如

Pair Percent Difference B 1 - B 2 45.142 B 1 - B 3 ..... B 1 - B 4 ..... B 2 - B 3 ..... B 2 - B 4 ..... B 3 - B 4 ..... D 1 - D 2 ..... D 1 - D 3 ..... D 1 - D 4 ..... D 2 - D 3 ..... D 2 - D 4 ..... D 3 - D 4 ..... 其中..... 為差異百分比

我并不關心B和D之間的差異。此外，我正試圖更好地掌握函式、for回圈和r的apply函式，所以如果答案可以使用這些或其中的各種，那就太好了。

我試著看了一下這些答案，但是我想不出來......

R中的回圈 - 需要使用索引，無論如何要避免'for'？如何在R中計算多列的組內變化百分比？

在R中計算多列的組內變化百分比？

45.142我用這個計算

 |B1-B2|/[（B1 B2）/2]×100=?  
    =|0.67942865509333-1. 0755433|/[（0. 67942865509333 1. 0755433)/2]/span>×100
    =|-0。 39611464490667|/[/span>1. 7549719550933/2]/span>×100
    =0.39611464490667/0.87748597754667×100
    =0.45142×100。
    =45.142%差異

uj5u.com熱心網友回復：

使用tidyverse:

library(tidyverse)

df %>%。
  group_by(grp =str_extract(Levelname,  "w "））%> %
  summarise(pair = combn(Levelname。  2。  str_c, collapse = " - "）,
            perc_diff = combn(y,  2,  函式(x) 200*abs（diff(x))/sum(x)）。 
            .group = 'drop')



一個二進制： 12 x 3
   組對 perc_diff
   <chr> < chr> <dbl>/span>
 1 B B 1 - B 2 45.1 
 2 B B 1 - B 3 26.1 
 3 B B 1 - B 4 15.3 
 4 B B 2 - B 3 19.7 
 5 B B 2 - B 4 30.4 
 6 B B 3 - B 4 10.9 
 7 D D 1 - D 2 39.8 
 8 D D 1 - D 3 9.42 D
 9 D D 1 - D 4 38.6 D 
10 D D 2 - D 3 30.6 D 
11 D D 2 - D 4 1.24 D
12 D D 3 - D 4 29.4

uj5u.com熱心網友回復：

我們可以使用outer，用y值進行計算，用Levelnames進行paste，在每種情況下我們只需使用upper.tri。

f < - （x,  y) abs(x -  y)*100 / ((x   y) / 2） ##你的p_diff公式

p_diff < -外(dt$y。  dt$y, f） |>。 
  {（x） abs(x[upper. tri(x)】)}() |> 
  round（3）

對< -外(dt$Levelname, dt$Levelname。  paste, sep=' - '）|>。 
  {(x) x[/span>upper. 三(x)]}()

res <- data.frame(Pair, p_diff)

結果

。

res
# Pair p_diff
# 1 B 1 - B 2 45.142
# 2 B 1 - B 3 26.058[/span]。
# 3 B 2 - B 3 19.662[/span]。
# 4 B 1 - B 4 15.272[/span]。
# 5 B 2 - B 4 30.393[/span]。
# 6 B 3 - B 4 10.894[/span
#7 B 1 - D 1 23.208
# 8 B 2 - D 1 66.605[/span]。
# 9 B 3 - D 1 48.532
#10 B 4 - D 1 38.142
# 11 B 1 - D 2 16.934[/span]。
# 12 B 2 - D 2 28.758[/span]。
#13 B 3 - D 2 9.227
# 14 B 4 - D 2 1.672[/span]。
# 15 D 1 - D 2 39.751[/span]。
#16 B 1 - D 3 13.862
# 17 B 2 - D 3 58.095
# 18 B 3 - D 3 39.563[/span]。
# 19 B 4 - D 3 28.981[/span]。
# 20 D 1 - D 3 9.422
# 21 D 2 - D 3 30.615[/span]。
#22 B 1 - D 4 15.705
#23 B 2 - D 4 29.968
# 24 B 3 - D 4 10.460[/span]。
# 25 B 4 - D 4 0.435[/span]。
# 26 D 1 - D 4 38.561[/span]。
# 27 D 2 - D 4 1.237;/span>
# 28 D 3 - D 4 29.407。

基準測驗

我懷疑整齊的方法是否更快，而我是對的。在這里，我提供了一個基準，比較了到目前為止的解決方案。相應地，outer方法幾乎快了20倍。

f1 <- （） data. frame(p_diff=outer（dt$y。  dt$y, f） |>。 
                       {（x） abs(x[upper. tri(x)】)}() |> 
                       round(3), 
                     Pair=outer（dt$Levelname。  dt$Levelname。  paste, sep=' - '）|>。 
                       {(x) x[/span>upper. tri(x)]。 標點符號">}())
library(dplyr); library(stringr)
f2 <- ()/span> dt %>%
  group_by(grp =str_extract(Levelname,  "w "））%> %
  summarise(pair = combn(Levelname。  2。  str_c, collapse = " - "）,
            perc_diff = combn(y,  2,  函式(x) 200*abs（diff(x))/sum(x)）。 
            .groups = 'drop)
dt < - dt[sample(nrow(dt)/span>。  1e3。  replace=T), ]/span>

microbenchmark:: microbenchmark(outer=f1（）。  tidyverse=f2（）。 倍=3L）
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# outer 236.7207 243.0496 306.1265 249.3785 340.8294 432.2804 3 a 
# tidyverse 4819.3476 4830.7364 4838.5051 4842.1251 4848.0839 4854.0427 3 b

轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/326636.html

標籤：

上一篇：參考python中函式的第一個回傳值

下一篇：在javascript中制作一個查找素數的函式