Question

我有一个很大的距离矩阵和一个相应的数据帧，一个小例子是：

A = matrix( c(0, 1, 2, 1, 0, 2, 2, 2, 0), nrow=3, ncol=3, byrow = TRUE)        
dimnames(A) = list(c("A1", "B1", "C1"), c("A1", "B1", "C1"))
df <- data.frame("ID" = c("A1", "B1", "C1"), "Triplicate" = c("T1", "T1", "T1"))

A1, B1, C1是彼此的技术性重复，由Triplicate中df列中的相同值表示。矩阵A表示样本彼此的“距离或不相似性”。如何对矩阵进行分组，以便向df添加一列，以便对于任何样本：

一个。与其相应的一式三份样品的两个距离中的最小值。例如，在矩阵A A1中：B1距离为1且A1：C1距离为2，因此将df列minimum中A1的这两个距离值中的最小值附加为1并且同样最小距离A1和C1的距离为A1和A1，B1距离为C1，给我：

df$minimum <- c(1, 1, 2) 
df

湾同样，我想追加另一列平均值，使其为两个距离的平均值，因此对于A1，C1和B1的距离平均值为（1 + 2）/ 2 = 1.5，类似于B1和C1给出的： / p>

df$average <- c(1.5, 1.5, 2)
df

希望这更清楚，我有很多这样的Triplicate样本，所以在匹配样本距离时参考它很重要。我会立即解决任何问题......

谢谢！

Answer 1

怎么样

df$minimum <- apply(A, 1, function(x) min(x[x > 0]))
df$average <- apply(A, 1, function(x) mean(x[x > 0]))

计算矩阵中匹配样本的最小距离

1 个答案: