如何在一组二进制值上计算 R 中的汉明距离？

Question

对于具有 2 列和 45,000 多行的数据集，我需要计算汉明距离并将它们绘制在 R 中的集群中。是否有知名的图书馆可用于此？或者是否有比其他策略更强大的推荐策略？

我尝试了“e1071”包中的 hamming.distance 函数，并得到以下错误。但是，即使我知道如何计算汉明距离，我也不确定如何从这些结果过渡到聚类图？

Error: evaluation nested too deeply: infinite recursion/options(expressions=)?
2015-02-02 18:50:59.704 R[1162:679616] Communications error:    <OS_xpc_error<error: 0x7fff7aaadb60> { count = 1, contents =
"XPCErrorDescription" => <string: 0x7fff7aaadfa8> { length = 22, contents =    "Connection interrupted" }

我试过这段代码：

 H<-hamming.distance(df)

df 看起来像这样：

Name   Code
name1   0
name2   0
name3   1
name4   1
name5   0

感谢您查看此问题，非常感谢您提供任何帮助。

Answer 1

要将每一行的值与前一行的值进行比较，请创建一个作为前一行的新列，并将此函数应用于两列。

df = data.frame(x1=as.character(c("0", "0", "1")))
df$x2 = c(NA, df$x1[-1])

hamming.distance = function(string1, string2){
  if (is.na(string2)==T) { 
    return (NULL)
  }
  string1 = as.character(string1)
  string2 = as.character(string2)

  length.string1 = nchar(string1)
  length.string2 = nchar(string2)

  if (length.string1 != length.string2) warning("Inputs must be of equal length")

 string.temp1 = c()
 for (i in 1:length.string1){
    string.temp1[i] = substr(string1, start=i, stop=i)
   }
  string.temp2 = c()
  for (i in 1:length.string2){
    string.temp2[i] = substr(string2, start=i, stop=i)
  }
   return(sum(string.temp1 != string.temp2))
}

results = mapply(hamming.distance, df[,1], df[,2])

unlist(results)

注意：unlist(results) 的长度将比 df 对象中的行数短 1，因为第一个条目是 NA，unlist 删除了该值。

Answer 2

可以使用stringdist包计算汉明距离：http://cran.r-project.org/web/packages/stringdist/stringdist.pdf

例如：

library(stringdist)
df <- data.frame( column1 = c("toned", "10112"), column2 = c("roses", "10223"))
stringdistmatrix(df$column1, df$column2, method = c("hamming"))#for distance matrix
stringdist(df$column1, df$column2, method = c("hamming"))#for vector of distance