使用R语言emdist包计算不同样本量分布的EMD问题

报错原因：对emdist包输入格式的误解 #

你遇到的A and B must be matrices of the same dimensions报错，核心是emd2d函数的设计目标是处理同维度的直方图数据，而非直接处理不同数量的离散观测点。它要求两个输入矩阵的行、列数完全一致，每个矩阵元素对应二维空间中一个bin的质量，而非你构造的“观测值+权重”的结构。

emdist包各函数的正确用法 #

emdist包的几个EMD函数适用场景不同，针对你的需求（不同数量的一维离散点），正确的函数是emdr，而非emd2d或emd：

• emd：用于一维直方图，要求输入两个长度相同的向量（对应每个bin的质量）。
• emd2d：用于二维直方图，要求两个同维度矩阵。
• emdr：专门用于不同数量的离散点集的EMD计算，需要分别传入点坐标、点对应的质量（权重）。

针对你的需求的正确代码 #

你的核心需求是计算sample和sample2中variable列的EMD，且权重可忽略（每个点质量相同），以下是正确实现：

library(emdist)

# 提取需要计算的变量列
sample_var <- sample[, "variable"]
sample2_var <- sample2[, "variable"]

# 构造权重：每个点质量相同，归一化到总和为1（也可以用rep(1, n)，EMD会自动处理）
wx <- rep(1 / length(sample_var), length(sample_var))
wy <- rep(1 / length(sample2_var), length(sample2_var))

# 用emdr计算一维离散点的EMD
emd_result <- emdr(x = sample_var, wx = wx, y = sample2_var, wy = wy, dist = "manhattan")
print(emd_result)

代码说明 #

• x和y分别传入两个分布的观测点向量（一维）。
• wx和wy是对应点的质量权重，这里设置为均匀分布（每个点占比相同），如果不需要归一化，直接用wx = rep(1, length(sample_var))也可以，EMD会自动处理两个分布质量总和的差异。
• dist参数指定点之间的距离度量，这里用曼哈顿距离，你也可以根据需求改为"euclidean"等。

为什么之前用emd/emdr返回0？ #

你之前错误地将“观测值+权重”的矩阵直接传入emd或emdr，导致函数无法正确解析点坐标和权重，从而计算出错误的0值。只有当输入格式完全符合函数要求时，才能得到正确结果。

替代方案：使用transport包（可选） #

如果你觉得emdist包的参数设计不够直观，可以尝试transport包，它的emd函数更直接支持离散点的EMD计算：

library(transport)
emd_result <- emd(a = sample_var, b = sample2_var)
print(emd_result)

这个函数会默认将每个点的质量设为1，自动计算两个离散分布的EMD。

内容的提问来源于stack exchange，提问作者flâneur