在唯一对（列）之间共享变量，在R中给出widyr（）错误

我试图计算区域对之间共有多少物种。因此，如果物种A、B和C都出现在，比如说，美国和加拿大，但物种D只出现在加拿大，那么美加对的共享物种数量=3。我在R中使用widyr（）包在一个大型数据集（50个国家超过10000种）上实现了这一点，但我得到了两个错误：

如果我分析整个数据集，一些区域对会丢失，而如果我只是将这两个区域子集，那么它就会工作（给出该区域对的共享物种数）。 2）我只尝试了区域的一个子集，与使用完整的数据集相比，我得到了关于共有多少物种的不同答案

我看过一些关于计算对之间的距离和唯一对的类似帖子，但这并不是我想要做的。我以前从未使用过widyr，我不知道错误是什么-我想知道它是否是“第一个”和“最后一个”的东西

#下面是sample.dat.sub dput-它很长，但我不确定我是否能用几行重现这个问题
#sample.dat.sub有cols“物种id”和“rgn\u id”
##获取col名称
spp_id%不同（物种id）%%>%as.character（）
rgn\u id%不同（rgn\u id）
rgn_ID%
#也许这就是问题所在？
突变（rgn1=第一个（rgn_id），rgn2=最后一个（rgn_id））
结果0.df%
分组依据（rgn1，rgn2）%>%
#每个区域对共享的唯一物种数
总结（n_spp=n_独特（物种id））
#问题是：
result.df%>%filter（rgn1==134）#说134-136有27种共有物种，但如果我只分析这2种灵长类动物，它说它们共有75种。。。
##测试样本
sample.test%过滤器（rgn_id%在%c中（134136））
#获取col名称
test.spp_id%不同（物种_id）%%>%as.character（）
test.rgn\u id%不同（rgn\u id）
test.rgn_id%
突变（rgn1=第一个（rgn_id），rgn2=最后一个（rgn_id））
test.pairs.df
test.result.df%
分组依据（rgn1，rgn2）%>%
总结（n_spp=n_独特（物种id））
test.result.df%>%arrange（desc（n_spp））35;现在它说共有75个物种
##样本数据
sample.dat.sub从未使用过
widyr
。您可以尝试以下方法：

library(dplyr)
library(purrr)

df_res <- df %>% 
  group_by(rgn_id) %>% 
  summarise(species = list(unique(species_id)))

expand.grid(df_res$rgn_id, df_res$rgn_id) %>% 
  filter(as.integer(Var1) < as.integer(Var2)) %>% 
  mutate(
    n = map2(
      Var1, Var2, 
      ~length(
        intersect(
          filter(df_res, rgn_id == .x) %>% pluck("species", 1), 
          filter(df_res, rgn_id == .y) %>% pluck("species", 1)
        )
      )
    )
  )

库（dplyr）
图书馆（purrr）
df_res%
分组依据（rgn\U id）%>%
总结（物种=列表（唯一（物种id）））
展开.grid（df_res$rgn_id，df_res$rgn_id）%>%
筛选器（as.integer（Var1）%
变异(
n=map2(
Var1，Var2，
~length(
相交(
过滤器（df_res，rgn_id==.x）%>%采摘（“种类”，1），
过滤器（df_res，rgn_id==.y）%>%采摘（“种类”，1）
)
)
)
)
以下代码应该可以解答您的问题。在
tidyverse
中使用自连接解决问题非常简单，不需要额外的包
widyr
（我不知道）

library（dplyr）#注意：如果您想要完整的功能，请使用library（tidyverse）
df_distinct%distinct（物种id、rgn_id）
内部联接（df_distinct，df_distinct，by=“species_id”，后缀=c（“_1”，“_2”））%>%
过滤器（rgn\U id\U 1%
总结（nb_普通_物种=n（）
哇，这是非常简单和直接的，谢谢@Pierre Grame！我不知道dplyr中的自连接，非常有用。这也很有效，我发现自连接选项更容易，但了解expand.grid很好-我以前没有使用过它。请记住，在列上连接（不是键）会导致笛卡尔积。这样做，结果表可能有太多的行（如果起始表足够大）。嗯，好的，我不确定这意味着什么。你是说自连接会造成内存分配问题吗？
library(dplyr)
library(purrr)

df_res <- df %>% 
  group_by(rgn_id) %>% 
  summarise(species = list(unique(species_id)))

expand.grid(df_res$rgn_id, df_res$rgn_id) %>% 
  filter(as.integer(Var1) < as.integer(Var2)) %>% 
  mutate(
    n = map2(
      Var1, Var2, 
      ~length(
        intersect(
          filter(df_res, rgn_id == .x) %>% pluck("species", 1), 
          filter(df_res, rgn_id == .y) %>% pluck("species", 1)
        )
      )
    )
  )

library(dplyr)  #NB: use library(tidyverse) if you want full functionality

df_distinct <- sample.dat.sub %>% distinct(species_id, rgn_id)

inner_join(df_distinct, df_distinct , by="species_id", suffix=c("_1","_2")) %>% 
  filter(rgn_id_1 < rgn_id_2) %>% 
  group_by(rgn_id_1, rgn_id_2) %>% 
  summarise(nb_common_species = n())