我是 R 新手，我的问题的解决方案可能非常简单，但现在我无法做到...... 我想按列比较数据框中的行。每列数据是一个字母（核苷酸碱基）：
seq1 A C T G T
seq2 A C G G G
seq3 A G G C A
...
我想按列比较数据集中的所有行。我想得到的结果是比较中的 TRUE 和 FALSE 简单的 1 或 0，也写成表格的形式。所以它看起来像这样：
seq1_seq2 1 1 0 1 0
seq1_seq3 1 0 0 0 0
seq2_seq3 1 0 1 0 0
...
我的 R 语言水平太低，无法写出有用的东西。但是，我设法发现
ifelse(data[1,]==data[2,], 1, 0)
虽然没有显示比较了哪些行（没有 seq1_seq2 列），但几乎返回了我需要的内容。 我将不胜感激有关此问题的任何帮助。当然，最需要完整解决方案的示例，但我也将不胜感激有关如何解决此问题的任何建议。
提前谢谢你！
【问题讨论】：
在数据框中按行存储序列是错误的。您应该按列存储序列，或者，如果按行存储它们，至少在矩阵而不是数据框中进行。下面我假设您使用矩阵。您可以使用as.matrix 函数将数据框转换为矩阵。
如果你想避免循环，你应该使用combn来完成这样的任务
> a
[,1] [,2] [,3] [,4] [,5]
seq1 "A" "C" "T" "G" "T"
seq2 "A" "C" "G" "G" "G"
seq3 "A" "G" "G" "C" "A"
> compare = t(combn(nrow(a),2,FUN=function(x)a[x[1],]==a[x[2],]))
> rownames(compare) = combn(nrow(a),2,FUN=function(x)paste0("seq",x[1],"_seq",x[2]))
> compare
[,1] [,2] [,3] [,4] [,5]
seq1_seq2 TRUE TRUE FALSE TRUE FALSE
seq1_seq3 TRUE FALSE FALSE FALSE FALSE
seq2_seq3 TRUE FALSE TRUE FALSE FALSE
将布尔值转换为整数（如果你真的需要的话）：
storage.mode(compare) = "整数"
【讨论】：
combn 执行循环的效率要高得多，这正是我试图提出的观点。
在这种情况下，由于您希望完成所有 n 平方比较，因此以这种方式循环是一种选择：
result <- list()
for (i in 1:(nrow(df) - 1)) {
for (j in (i + 1):nrow(df)) {
result[[paste(row.names(df)[i], row.names(df)[j], sep = '_')]] <- as.integer(df[i, ] == df[j, ])
}
}
as.data.frame(do.call(rbind, result))
结果输出如下：
V1 V2 V3 V4 V5
seq1_seq2 1 1 0 1 0
seq1_seq3 1 0 0 0 0
seq2_seq3 1 0 1 0 0
当然，对于较大的数据集，这将非常慢。
【讨论】：
与 Gopala 的方法有些不同...可能有更简单的方法可以到达那里，但它是：
options(stringsAsFactors = FALSE)
myData <- data.frame(n1=c("A","A","A"),n2=c("C","C","G"),
n3=c("T","G","G"),n4=c("G","G","C"),n5=c("T","G","A"))
rownames(myData) <- paste0("seq",1:3)
# Generate all combinations for comparisons
compar <- apply(combn(rownames(myData),2),2,paste0)
# Create a temporary list having pairs of rows
myList <- apply(compar, 2, function(r) myData[r,])
names(myList) <- apply(combn(rownames(myData),2),2,paste0,collapse="_")
# Compare the two rows for each element in the list
results <- t(sapply(myList, function(x) as.numeric(x[1,]==x[2,])))
colnames(results) <- colnames(myData)
results
n1 n2 n3 n4 n5
seq1_seq2 1 1 0 1 0
seq1_seq3 1 0 0 0 0
seq2_seq3 1 0 1 0 0
【讨论】：
您可以使用此代码（它使用@Dominic Comtois 的答案中的myData）：
m <- combn(nrow(myData),2)
result <- sapply(myData,function(C) {z=C[m];z[c(TRUE,FALSE)]==z[c(FALSE,TRUE)]})
# n1 n2 n3 n4 n5
#[1,] TRUE TRUE FALSE TRUE FALSE
#[2,] TRUE FALSE FALSE FALSE FALSE
#[3,] TRUE FALSE TRUE FALSE FALSE
它是如何工作的：
combn 生成所有可能的行索引对sapply 循环遍历 myData 的每一列
m 的向量模拟，其中行索引由myData 中的值替换
【讨论】：