Python 在蛋白质数据聚类中使用ngram（ngram.ngram.compare equired in R）

有一些序列数据需要比较。预期的输出是距离矩阵，它显示了每个序列与其他序列的相似程度。以前，我在Python中使用了

ngram.ngram.compare

，现在我想切换到R。我找到了

ngram

和

biogram

包，但我找不到生成预期输出的确切函数

假设这是数据

a <- c("ham","bam","comb")

它是输出的等效Python代码：

a = ["ham","bam","comb"]
import ngram
[(1 - ngram.NGram.compare(a[i],a[j],N=1))  
                          for i in range(len(a)) 
                          for j in range((i+1),len(a)) ]

---

您可以使用

stringdist

包中的

stringdistmatrix

。检查

stringdist指标

文档中哪些指标可用

a <- c("ham","bam","comb")
stringdist::stringdistmatrix(a, a, method = "jaccard")

          [,1] [,2]      [,3]
[1,] 0.0000000  0.5 0.8333333
[2,] 0.5000000  0.0 0.6000000
[3,] 0.8333333  0.6 0.0000000

---

a非常感谢。也许输出不好。我知道杰卡德的方法。我想用ngram来比较两个序列。可能输出与我上面写的有所不同。在这种情况下，你必须给出一个更好的例子，说明你到底想要比较什么，以及它应该是什么样子。我在这里讲得很清楚。现在的问题不同了：序列的长度是相同的吗？@误用我的序列是相同长度的。然而，上面的例子并非如此。最好支持相同或不同的长度。我不认为小于1克对长度敏感。你能详细解释一下如何使用1克进行比较吗？@missuse我在这里说得很清楚：
a <- c("ham","bam","comb")
stringdist::stringdistmatrix(a, a, method = "jaccard")

          [,1] [,2]      [,3]
[1,] 0.0000000  0.5 0.8333333
[2,] 0.5000000  0.0 0.6000000
[3,] 0.8333333  0.6 0.0000000