如何計(jì)算每列間的距離，假如計(jì)算第一列與其他列之間的距離，并求出距離最小的那一組，在R中能否實(shí)現(xiàn)歐氏距離和馬氏距離的計(jì)算？請(qǐng)求解答。

在R中計(jì)算距離的函數(shù)為dist()，比較直接的用法是dist(x,method="euclidean")即為計(jì)算歐式距離，其余可選的參數(shù)還有"maximum", "manhattan", "canberra", "binary" ,"minkowski"，lz調(diào)整這個(gè)參數(shù)就能得到lz要的距離。

sample code：

data=read.csv(file="E:\\R1.csv",header=T,row.names=1)

mdist=as.matrix(dist(data))

mvec=mdist["504",]

說(shuō)明：

R最好讀.csv文件，直接.xlsx文件經(jīng)常有問(wèn)題，所以我把你的excel xlsx轉(zhuǎn)成csv了。dist默認(rèn)就是算歐式距離，算完后得到一個(gè)所有距離的矩陣，假定你需要sample 504（即你的data中第一列編號(hào)504的）和其他所有sample的距離（包括和504自己），最后vector mvec中的結(jié)果就是需要的。如果你只需要504和其他所有sample的距離，想把和504自己的距離去掉，最后用：

mvec=mdist["504",-(row.names(mdist)=="504")]

馬氏距離直接用mahalanobis(data,center=,cov=), 返回是一個(gè)vector，即對(duì)于每個(gè)sample X，計(jì)算

? ?(X-mu)' S.inv (X-mu)

mu就是center或者“均值”，S即cov或者variance-covariance matrix，S.inv是S的逆。我不知道你要用神馬center和cov，所以沒(méi)寫(xiě)。如果你想算的是對(duì)于兩個(gè)sample X，Y，馬氏距離為：

? ?(X-mu)' S.inv (Y-mu)

比如X固定為某個(gè)sample，Y應(yīng)該變化為其他所有sample，要得到一系列的距離，這個(gè)也很容易，只要有mu和S，自己做matrix multiplication就好了。