如何计算dplyr:：group_的成员之间的重叠

我有以下几点：

库（tidyverse）
df%分组依据（单元类型）
#>来源：本地数据帧[7 x 2]
#>分组：celltype[3]
#> 
#>#A tibble:7 x 2
#>基因细胞型
#>       
#>1 a cel1\u 1
#>2 b cel1_1
#>3 c cel1_1
#>4 a单元2
#>5b单元2
#>6c单元3
#>7d单元3

重叠中的基因可以按以下方式分组

1单元a、b、c
第2单元a、b
第三单元c，d

我要做的是计算所有细胞的基因重叠， 结果如下表所示：

cell1 cell2 cell3
单元1 3 2 1
20号牢房
单元格3 1 0 2

我怎样才能做到这一点

---

更新

最后计算百分比（除以最大分母） 配对）

#单元1单元2单元3
单元格1.00（3/3）0.67（2/3）0.33（1/3）
单元格2 0.67（2/3）1.00 0
单元格30.33（1/3）01.00

我试过了，但没有得到我想要的：

>tmp tmp/max（tmp）
细胞型
celltype cel1\u 1 Cellu 2 Cellu 3
cel1_1 1.0000000 0.66667 0.3333333
单元格2 0.66667 0.66667 0.0000000
单元格3 0.3333333 0.0000000.66667

---

因此对角线的值始终为1.00。

我们可以将

表格

与

交叉生产

crossprod(table(df))
#       celltype
#celltype cell_1 cell_2 cell_3
#  cell_1      3      2      1
#  cell_2      2      2      0
#  cell_3      1      0      2

---

或者另一个选项是

tidyverse

library(tidyverse)
count(df, gene, celltype) %>% 
       spread(celltype, n, fill = 0) %>%
       select(-gene) %>% 
       as.matrix %>% 
       crossprod
#        cel1_1 cell_2 cell_3
#cel1_1      3      2      1
#cell_2      2      2      0
#cell_3      1      0      2

---

或使用

数据。表格

library(data.table)
crossprod(as.matrix(dcast(setDT(df), gene~celltype, length)[,-1]))

---

我们可以将

表格

与

crossprod

crossprod(table(df))
#       celltype
#celltype cell_1 cell_2 cell_3
#  cell_1      3      2      1
#  cell_2      2      2      0
#  cell_3      1      0      2

---

或者另一个选项是

tidyverse

library(tidyverse)
count(df, gene, celltype) %>% 
       spread(celltype, n, fill = 0) %>%
       select(-gene) %>% 
       as.matrix %>% 
       crossprod
#        cel1_1 cell_2 cell_3
#cel1_1      3      2      1
#cell_2      2      2      0
#cell_3      1      0      2

---

或使用

数据。表格

library(data.table)
crossprod(as.matrix(dcast(setDT(df), gene~celltype, length)[,-1]))

---

@pdubois我使用this@pdubois你的数据集有多大？我更新了一个tidyverse选项和data.table选项。我忘了将dplyr管道序列分配给变量

df

@pdubois：只需将其分配给tmp，然后

tmp@pdubois。Akrun也添加了答案，不是在答案中，而是在对你的问题的评论中。这就像捉迷藏；我们有什么反对线性…@pdubois我得到了预期的输出this@pdubois你的数据集有多大？我更新了一个tidyverse选项和data.table选项。我忘了将dplyr管道序列分配给变量
df
@pdubois：只需将其分配给tmp，然后
tmp@pdubois。Akrun也添加了答案，不是在答案中，而是在对你的问题的评论中。这就像捉迷藏；如果我理解，
res如果我理解，
res，我们有什么反对线性的呢