R语言：如何向下三角Jaccard相似矩阵元素应用自定义函数？

你需要保留下三角矩阵中大于0.7的值，其余元素（包括原有的NA）保持NA，同时保留矩阵结构，这里提供两种实现方式：

1. 测试矩阵代码 #

首先还原你的测试矩阵生成代码：

N <- 3 # 观测数
N_vec <- 3 # 向量数
set.seed(123)
x1 <- runif(N * N_vec)
mat_x1 <- matrix(x1, ncol = N_vec)
mat_x1[upper.tri(mat_x1)] <- NA
diag(mat_x1) <- NA
mat_x1
# 输出结果
#               [,1]      [,2] [,3]
#     [1,]        NA        NA   NA
#     [2,] 0.7883051        NA   NA
#     [3,] 0.4089769 0.0455565   NA

2. 解决方案 #

方法一：向量化操作（高效推荐） #

利用R的向量化特性直接修改矩阵，这种方式比逐元素遍历更快，尤其适合大矩阵：

mat_x2 <- mat_x1
# 将所有<=0.7的元素设为NA
mat_x2[mat_x1 <= 0.7] <- NA
mat_x2
# 输出结果
#               [,1] [,2] [,3]
#     [1,]        NA   NA   NA
#     [2,] 0.7883051   NA   NA
#     [3,]        NA   NA   NA

方法二：应用自定义函数 #

如果你一定要使用自己定义的函数，可以用apply()逐元素处理：

# 定义自定义函数
y <- function(x) if (x > 0.7) x else NA

# 应用到矩阵的每个元素（1,2表示按行和列遍历所有元素）
mat_x2 <- apply(mat_x1, c(1, 2), y)
mat_x2
# 输出结果与方法一一致

内容的提问来源于stack exchange，提问作者RobertF