计算 r 中行之间的杰卡德距离

Question

我需要计算数据框中每行之间的杰卡德距离。返回需要是表示距离的矩阵/数据框。

像这样：

   1     2   3 ..
1  0    0.2  1 
2  0.2  0    0.4
3  1    0.4  0
.
.

我的数据：

dput(项目[1:10,])

structure(list(Drama = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L), Comedy = c(0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L), Crime = c(0L, 
1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), SciFi = c(1L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L), Kids = c(1L, 0L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L), Classic = c(1L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 
0L), Foreign = c(0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L), Thriller = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), Action = c(0L, 0L, 0L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L), Adventure = c(0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L), Animation = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L), Adult = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), History = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), Documentry = c(0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L), Nature = c(0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L), Horror = c(0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 
0L), Show = c(0L, 1L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L), Series = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L), BlackWhite = c(0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L)), .Names = c("Drama", "Comedy", "Crime", 
"SciFi", "Kids", "Classic", "Foreign", "Thriller", "Action", 
"Adventure", "Animation", "Adult", "History", "Documentry", "Nature", 
"Horror", "Show", "Series", "BlackWhite"), row.names = c(NA, 
10L), class = "data.frame")

我的代码：

Jaccard_dist <- dist(items, items, method = "Jaccard")

write.csv(Jaccard_dist,'Jaccard_dist.csv')

你知道有一种方法可以在不使用两个 for 循环的情况下做到这一点吗？

Answer 1

不知道为什么需要两个 for 循环。

您可以尝试该库proxy并使用：

proxy::dist(dft, by_rows = TRUE, method = "Jaccard")

这将返回：

#
       1         2         3         4         5         6         7         8         9
#2  1.0000000                                                                                
#3  1.0000000 0.6666667                                                                      
#4  0.8000000 0.8000000 1.0000000                                                            
#5  1.0000000 0.8000000 0.6666667 0.8000000                                                  
#6  1.0000000 1.0000000 1.0000000 0.6666667 0.6666667                                        
#7  1.0000000 1.0000000 1.0000000 0.7500000 0.7500000 0.5000000                              
#8  0.5000000 1.0000000 1.0000000 0.5000000 0.8000000 0.6666667 0.7500000                    
#9  1.0000000 1.0000000 1.0000000 0.6666667 0.6666667 0.0000000 0.5000000 0.6666667          
#10 1.0000000 1.0000000 1.0000000 0.7500000 0.7500000 0.5000000 0.6666667 0.7500000 0.5000000

Answer 2

看起来 R 原生 dist() 函数的“二元”方法实际上确实提供了杰卡德距离，而没有具体命名。描述符合（“向量被视为二进制位，因此非零元素为 \xe2\x80\x98on\xe2\x80\x99，零元素为 \xe2\x80\x98off\xe2\x80\x99。距离是其中至少有一个打开的位中只有一个打开的位的比例。”）输出也是如此（与接受的答案完全相同）：

\n\n

> dist(data, method = "binary")\n           1         2         3         4         5         6         7         8         9\n2  1.0000000                                                                                \n3  1.0000000 0.6666667                                                                      \n4  0.8000000 0.8000000 1.0000000                                                            \n5  1.0000000 0.8000000 0.6666667 0.8000000                                                  \n6  1.0000000 1.0000000 1.0000000 0.6666667 0.6666667                                        \n7  1.0000000 1.0000000 1.0000000 0.7500000 0.7500000 0.5000000                              \n8  0.5000000 1.0000000 1.0000000 0.5000000 0.8000000 0.6666667 0.7500000                    \n9  1.0000000 1.0000000 1.0000000 0.6666667 0.6666667 0.0000000 0.5000000 0.6666667          \n10 1.0000000 1.0000000 1.0000000 0.7500000 0.7500000 0.5000000 0.6666667 0.7500000 0.5000000\n

\n