如何计算data.frame中实验行之间的成对共同克隆数量？

方法一：适合小数据集（直观易懂） #

先将每个实验的克隆提取为列表，再生成所有实验对并计算交集大小：

# 构建示例数据集
df <- data.frame(
  Exp_No = c("Exp1", "Exp2", "Exp3", "Exp4", "Exp5", "Exp6"),
  Clone1 = c("Egxn2", "Egxn4", "Egxn2", "Egxn6", "Egxn2", "Egxn4"),
  Clone2 = c("Egxn11", "Egxn13", "Egxn6", "Egxn14", "Egxn11", "Egxn2"),
  Clone3 = c("Egxn6", "Egxn16", "Egxn11", "Egxn4", "Egxn6", "Egxn5"),
  Clone4 = c("Egxn13", "Egxn6", "Egxn18", "Egxn18", "Egxn13", "Egxn18"),
  stringsAsFactors = FALSE
)

# 提取每个实验的克隆列表
clones_list <- lapply(1:nrow(df), function(i) unlist(df[i, -1]))
names(clones_list) <- df$Exp_No

# 生成所有不重复实验对
exp_pairs <- combn(names(clones_list), 2, simplify = FALSE)

# 计算每对的共同克隆数
common_counts <- sapply(exp_pairs, function(pair) {
  length(intersect(clones_list[[pair[1]]], clones_list[[pair[2]]]))
})

# 整理成目标格式
result <- data.frame(
  Exp_A = sapply(exp_pairs, `[`, 1),
  Exp_B = sapply(exp_pairs, `[`, 2),
  Common_Count = common_counts,
  stringsAsFactors = FALSE
)

print(result)

输出结果与期望格式一致，示例片段：

Exp_A Exp_B Common_Count
1  Exp1  Exp2            2
2  Exp1  Exp3            3
3  Exp1  Exp4            1
4  Exp1  Exp5            4
5  Exp1  Exp6            1
6  Exp2  Exp3            1
...

方法二：适合大数据集（9000行+，高效省内存） #

针对大规模数据，推荐用克隆-实验二进制矩阵乘法的方法，底层优化的矩阵运算比循环/列表操作快得多，还能通过稀疏矩阵节省内存：

常规矩阵版本

library(tidyr)
library(dplyr)

# 将宽格式数据转成长格式，去重（避免同一克隆在实验中重复计数）
long_df <- df %>%
  pivot_longer(cols = -Exp_No, names_to = "temp", values_to = "Clone") %>%
  select(Exp_No, Clone) %>%
  distinct()

# 构建克隆-实验的0-1矩阵（克隆在行，实验在列）
clone_matrix <- table(long_df$Clone, long_df$Exp_No)
clone_matrix[clone_matrix > 1] <- 1

# 矩阵乘法直接得到实验对的共同克隆数矩阵
common_matrix <- t(clone_matrix) %*% clone_matrix

# 转成目标长格式（只保留不重复的实验对）
result_long <- as.data.frame(as.table(common_matrix)) %>%
  filter(Var1 < Var2) %>%
  rename(Exp_A = Var1, Exp_B = Var2, Common_Count = Freq) %>%
  arrange(Exp_A, Exp_B)

print(result_long)

稀疏矩阵版本（内存友好）

如果克隆数量极大，用稀疏矩阵进一步降低内存占用：

library(Matrix)
library(tidyr)
library(dplyr)

# 转长格式并去重
long_df <- df %>%
  pivot_longer(cols = -Exp_No, names_to = "temp", values_to = "Clone") %>%
  select(Exp_No, Clone) %>%
  distinct()

# 构建稀疏0-1矩阵
sparse_clone_matrix <- sparseMatrix(
  i = as.integer(factor(long_df$Clone)),
  j = as.integer(factor(long_df$Exp_No)),
  x = 1,
  dimnames = list(levels(factor(long_df$Clone)), levels(factor(long_df$Exp_No)))
)

# 稀疏矩阵乘法计算共同克隆数
sparse_common_matrix <- t(sparse_clone_matrix) %*% sparse_clone_matrix

# 转成目标格式
result_sparse <- as.data.frame(as.table(sparse_common_matrix)) %>%
  filter(Var1 < Var2) %>%
  rename(Exp_A = Var1, Exp_B = Var2, Common_Count = Freq) %>%
  arrange(Exp_A, Exp_B)

print(result_sparse)

内容的提问来源于stack exchange，提问作者Ilaria