识别R中不对称矩阵中对角线上方或下方的所有单元格

我四处寻找这个问题的解决方案，我发现最接近的是：，但这对我不起作用

我在R中有一个矩阵，有两列，3000多行

head(diag_calc)
        X            Y
[1,] 0.4991733   0.05358506
[2,] 1.1758962   0.70707194
[3,] 0.2197383  -0.00148791
[4,] 0.6389240   0.24411083
[5,] 0.8708275   0.16959840
[6,] 0.9784328   0.10341456

当我将它们相互勾画时，它们看起来是这样的：

我想识别所有包含对角线两端点的行。我试着在X的第三个四分位数和Y的第一个四分位数中标记点，并将它们涂成橙色。我倒过来把它们涂成紫色。然而，这个指标并没有捕捉到我的系统中真正的生物变异性，而且似乎在对角线的极端（从我标记的四分位的拐点开始）识别细胞将提供更好的结果

我试过使用R基的diag、upper.tri和lower.tri，但这些都不起作用，我想这是因为我的矩阵是不对称的。Diag可以计算每条对角线穿过的拐点。因此：

diag_calc <- Ad_SF7_fc_scored_NK %>%
      select(one_of("X", "Y")) %>%
      as.matrix(.) 

diag(diag_calc) -> diag_test

diag_test
[1] 0.4991733 0.7070719

diag_calc%
选择（X、Y中的一个）%>%
as.矩阵（.）
诊断（诊断计算）->诊断测试
诊断试验
[1] 0.4991733 0.7070719

我可以通过在生成矩阵时交换X和Y变量来获得另一个拐点

是否有人对可能使用的方法有解决方案或建议

---

谢谢

这里有一种方法可以继续假设你是如何定义对角线的。首先创建可再现的数据并获得分位数：

set.seed(42)
X <- rnorm(500, 1.5, .5)
Y <- rnorm(500)
Xq <- quantile(X)
Yq <- quantile(Y)
df <- data.frame(X, Y)

set.seed（42）
使用
diag
、
upper.tri
和
lower.tri
在3000x2数据矩阵上没有意义。例如，
diag
只返回行1/col1和行2/col2。尝试绘制数据，然后添加
abline（v=分位数（diag\u calc$Y）[2:4]，lty=3）
和
abline（h=分位数（diag\u calc$X）[2:4]，lty=3）
。这将你的数据分成4x4块。我还需要量化每个对角线每一个极端的点数，因此我需要在实际数据矩阵中识别这些单元格。你是如何定义绘图上的对角线的？谢谢Carlson博士！这个问题比我预料的要困难得多。这是一个很好的解决方案！
plot(X~Y, df, pch=20)
abline(v=Yq[2:4], lty=3)
abline(h=Xq[2:4], lty=3)
diag <- lm(Xq[c(2, 4)]~Yq[c(2, 4)])
points(Yq[c(2, 4)], Xq[c(2, 4)], cex=2, col="red", lwd=2)
abline(diag)
b <- coef(diag)[2]
a1 <- Xq[4] - b * Yq[2]
a2 <- Xq[2] - b * Yq[4]
abline(a1, b)
abline(a2, b)

res1 <- X - (a1 + b * Y)
res2 <- (a2 + b * Y) - X
clr <- c("black", "purple", "darkorange")
idx <- ifelse(res1 > 0, 3, ifelse(res2 > 0, 2, 1))
plot(X~Y, pch=20, col=clr[idx])
abline(a1, b, col="red")
abline(a2, b, col="red")

position <- c("inside", "below", "above")
df$outlier <- position[idx]
head(df)
#           X            Y outlier
# 1  2.185479  1.029140719  inside
# 2  1.217651  0.914774868   below
# 3  1.681564 -0.002456267  inside
# 4  1.816431  0.136009552  inside
# 5  1.702134 -0.720153545  inside
# 6  1.446938 -0.198124330  inside
# 7  2.255761 -1.029208806   above
# 8  1.452670 -0.966955896  inside
# 9  2.509212 -1.220813089   above
# 10 1.468643  0.836207704  inside