pairwise.mahalanobis函数无法产生合理的距离矩阵

Question

我正在尝试计算每行之间的成对马哈拉诺比斯距离（其中包含定义某些个体的某些变量的值）。我将尝试显示以下玩具数据的问题：

df = data.frame(c(1,2,3,4), c(500,602,7000,8550))
rownames(df) = c('A','B','C','D') 
colnames(df) = c('var1', 'var2')
df
#  var1 var2
#A    1  500
#B    2  602
#C    3 7000
#D    4 8550
dist = pairwise.mahalanobis(as.matrix(df), 
                            grouping = rownames(df), 
                            cov = cov(df))$distance
rownames(dist) = rownames(df)
colnames(dist) = rownames(df)
dist
#         A        B        C        D
#A 0.000000 4.484554 2.467904 5.953293
#B 4.484554 0.000000 5.579639 3.905751
#C 2.467904 5.579639 0.000000 1.608859
#D 5.953293 3.905751 1.608859 0.000000

这个距离矩阵对我来说很奇怪。例如，虽然两个变量中A和B彼此更接近，但根据所得矩阵，我们发现A和C之间的距离小于A和B之间的距离。

什至更奇怪的是，我以前使用的是相同的代码，但只处理了更大的数据集，并且获得了合理的结果。但是后来我更改了正在处理的数据，就开始得到像这样的荒谬结果。为了检查问题是否出在功能上，我对该玩具数据进行了实验，并得到了上面显示的奇怪的距离矩阵。因此，现在我有了另一个更大的数据集，该数据集在各个方面都非常相似（由两行组成，这两行都是数值变量），并且有了该数据集，所得的距离矩阵似乎非常合理。鉴于我要使用的新数据集以及此玩具数据，结果显然不正确...有人可以帮助我了解这里发生的情况吗？