Question

我正在尝试使用R中的Vegan包来计算和可视化配对/合并站点中社区之间的Bray-Curtis差异。

下面是一个简化的示例数据框：

class ClassOne extends StatefulWidget {    
      @override
      ClassOneState createState() =>  ClassOneClassState();
    }

    class ClassOneState extends State<ClassOneClass> {
    var person= 'myname';
    hey(){
    print('hey hello');
    }
    @override
      Widget build(BuildContext context) {
        return Scaffold(
          appBar: AppBar(),
          body: ListView(
            children: <Widget>[

            ],
          ),
        );
      }
    }}

    // the file is in main.dart
    import 'package:cloud_fs_demo/main.dart' ;
    class ClassTwo extends StatefulWidget {    
      @override
      ClassTwoState createState() =>  ClassTwoClassState();
    }

    class ClassTwoState extends State<ClassTwoClass> {
         ClassOne instOne = ClassOne();
    //Undefined class 'instOne .person'
      instOne .person;
    //error:Invalid constructor name
    instOne .hey() ;
    @override
      Widget build(BuildContext context) {
        return Scaffold(
          appBar: AppBar(),
          body: ListView(
            children: <Widget>[
            ],
          ),
        );
      }
    }}

“站点”是一个变量，指示每个样本的获取位置 “ Sp”列指示每个站点上物种的丰度值。我想比较具有相同“ PoolNumber”的站点对，并为每次比较获得一个相异值。

大多数示例建议我应该仅使用“ Sp”列创建一个矩阵，并使用以下代码：

Site = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J") 

PoolNumber = c(1, 3, 4, 2, 4, 1, 2, 3, 4, 4) 

Sp1 = c(3, 10, 7, 0, 12, 9, 4, 0, 4, 3) 

Sp2 = c(2, 1, 17, 1, 2, 9, 3, 1, 6, 7)

Sp3 = c(5, 12, 6, 10, 2, 4, 0, 1, 3, 3)

Sp4 = c(9, 6, 4, 8, 13, 5, 2, 20, 13, 3)

df = data.frame(Site, PoolNumber, Sp1, Sp2, Sp3, Sp4)

但是，如果我用“ PoolNumber”和“ Site”消除了列，我不确定如何告诉R比较哪些行。这是否涉及通过“ PoolNumber”进行组织，将其用作行名，然后编写循环以比较每两行？我也发现输出难以解释。较低的Bray-Curtis值指示更多相似的社区（接近0），而较高的值（接近1）指示更多不相似的社区，但是有一种方法可以指示方向性，这对中哪个更多样化？ / p>

我是R语言的初学者，因此对任何滥用术语/格式表示歉意。感谢所有建议。

谢谢

Answer 1

您是否意味着要获得PoolNumber相等的差异子集？ vegdist函数将带给您所有不同之处，您可以从中选择配对。首先将差异转换为对称矩阵，然后从该对称矩阵中选择子集，这是最简单的：

braycurtis <- vegdist(df[,3:6])
as.matrix(braycurtis)[df$PoolNumber==4,df$PoolNumber==4]
as.dist(as.matrix(braycurtis)[df$PoolNumber==4,df$PoolNumber==4])

如果您只想求平均值，vegan::meandist函数将为您提供这些平均值：

meandist(braycurtis, df$PoolNumber)

这里的对角线值将是PoolNumber内的均值相异度，以及不同PoolNumber s之间的非对角线的均值相异度。查看vegan::meandist的代码，您会看到它是如何完成的。

Bray-Curtis差异（如所有正常差异）是一种对称度量，它对多样化的概念一无所知。您可以评估每个站点的多样化程度，但是随后您需要先告诉我们“多样化”是什么意思（多样性还是其他？）。然后，您只需要在计算中使用这些值即可。

如果您只想查看项目（种类）的数量，以下功能将为您提供下三角的区别（上三角的值与符号切换相同）：

designdist(df[,3:6], "A-B", "binary")

或者，您可以使用逐行统计信息并查看它们之间的差异。这是Shannon-Weaver分集指数的示例：

H <- diversity(df[,3:6])
outer(H, H, "-")

要获取这些子集，请与Bray-Curtis索引进行类似的工作。

R中的Bray-Curtis成对分析

1 个答案: