如何计算R中分布的重叠百分比？

Question

我在下面有一个虚拟数据框架，我想计算站点分布之间的成对百分比重叠。基本上，site1和site2的百​​分比是重叠，site2 vs site3和site1 vs site3？

structure(list(site = c("site1", "site1", "site1", "site1", "site1", 
"site1", "site1", "site1", "site1", "site1", "site2", "site2", 
"site2", "site2", "site2", "site2", "site2", "site2", "site2", 
"site2", "site3", "site3", "site3", "site3", "site3", "site3", 
"site3", "site3", "site3", "site3"), total = c(0.4191, 0.2844, 
0.2611, 0.2743, 0.2938, 0.3287, 0.2992, 0.4062, 0.2946, 0.2671, 
0.3832, 0.3875, 0.3118, 0.4506, 0.4215, 0.4266, 0.3518, 0.4446, 
0.4255, 0.3208, 0.2377, 0.2818, 0.2526, 0.2425, 0.2973, 0.4539, 
0.357, 0.2865, 0.3624, 0.3026)), class = c("grouped_df", "tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -30L), groups = structure(list(
    site = c("site1", "site2", "site3"), .rows = structure(list(
        1:10, 11:20, 21:30), ptype = integer(0), class = c("vctrs_list_of", 
    "vctrs_vctr", "list"))), row.names = c(NA, -3L), class = c("tbl_df", 
"tbl", "data.frame"), .drop = TRUE))

ggplot(aes(x = total, group = site, fill = site)) +
  geom_density(adjust = 1.5, alpha = 0.3) 

Answer 1

您的密度图可能有些误导，因为密度图将延伸到X轴上数据的实际范围之外，并且比您的数据中实际上存在的重叠率更高。一个更好的可视化可能是：

df %>%
  group_by(site) %>%
  mutate(site = factor(site)) %>%
  summarize(xmin = min(total), xmax = max(total), 
            ymin = as.numeric(site), ymax = as.numeric(site)) %>%
  ggplot() +
  geom_segment(aes(x = xmin, xend = xmax, y = ymin, yend = ymax, color = site),
               size = 2) +
  scale_y_continuous(breaks = 1:3, expand = c(1, 1)) +
  theme_bw()
#> `summarise()` has grouped output by 'site'. You can override using the
#> `.groups` argument.

创建成对比较的一种方法是使用explive.grid.grid to to to To获取所有独特的站点对：

comp_df <- expand.grid(A = sort(unique(df$site)), 
                       B = sort(unique(df$site)))

然后，我们需要一个功能，该功能将取两个站点的名称并计算其范围之间的百分比重叠。我使用简单的算术以一种相当的行人方式进行此操作：

comp_func <- function(a, b) {
  max_a <- max(df$total[df$site == a])
  min_a <- min(df$total[df$site == a])
  max_b <- max(df$total[df$site == b])
  min_b <- min(df$total[df$site == b])
  max_b <- ifelse(max_b > max_a, max_a, max_b)
  min_b <- ifelse(min_b < min_a, min_a, min_b)
  (max_b - min_b) / (max_a - min_a)
}

现在，我们可以MAP此功能到比较数据框架的行，以便为每个唯一的站点获得一个成对的估算。

comp_df$overlap <- unlist(Map(comp_func, a = comp_df$A, b = comp_df$B))

最后，我们要删除针对与自身重叠的区域测试的条目，因为这始终是100％：

comp_df <- comp_df[comp_df$A != comp_df$B,]

可以对我们的情节检查最终结果，并且可以看出有意义（重叠列是A列中站点的比例，该列是B列中的站点与站点重叠的，

comp_df
#>       A     B   overlap
#> 2 site2 site1 0.7730548
#> 3 site3 site1 0.7308048
#> 4 site1 site2 0.6791139
#> 6 site3 site2 0.6419981
#> 7 site1 site3 1.0000000
#> 8 site2 site3 1.0000000

因此，我们可以看到站点1和站点2 100％由站点3重叠，因为我们可以在我们的情节，而站点1约有68％的地点2

。软件包（v2.0.1）