基于存在-缺失矩阵用R计算物种对的C score（CS）

我有一份存在-缺失数据集，需要为每一对物种（BABO、BW、RC、SKS、MANG）计算**C score（CS）**以衡量物种共现情况。C score公式相关参数定义：

• ki：物种i的出现次数
• kj：物种j的出现次数
• K：两个物种的共同出现次数

我参考了相关文章，但未找到在R中实现的高效方法，尝试编写函数也未成功。以下是我的数据集：

data <- structure(list(group_id = c("2008-2-11.C3_900", "2008-2-11.C3_960", 
"2008-2-11.C3_1200", "2008-2-11.C3_1230", "2008-2-11.C3_1460", 
"2008-2-11.C3_1490", "2008-2-22.Mwani_0", "2008-2-22.Mwani_110", 
"2008-2-22.Mwani_600", "2008-2-22.Mwani_1650", "2008-2-20.Sanje_150", 
"2008-2-20.Sanje_410", "2008-2-20.Sanje_3000", "2008-5-9.C3_900", 
"2008-5-13.Mwani_750", "2008-5-13.Mwani_800", "2008-5-13.Mwani_900", 
"2008-5-13.Mwani_1080", "2008-5-13.Mwani_1800", "2008-5-13.Mwani_2200", 
"2008-5-13.Mwani_2900"), BABO = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0), BW = c(1, 1, 1, 1, 0, 0, 
0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1), RC = c(0, 0, 1, 
1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0), SKS = c(0, 
1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0), 
MANG = c(0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1)), row.names = c(NA, -21L), class = c("tbl_df", "tbl", "data.frame"))

数据集预览：

以下是在R中高效计算所有物种对C score的方法：

步骤1：提取物种数据并计算出现次数 #

分离物种列，统计每个物种的总出现次数：

# 提取物种列（排除group_id）
species_data <- data[, -1]
# 计算每个物种的出现次数
occurrences <- colSums(species_data)

步骤2：计算物种间的共同出现次数 #

通过矩阵乘法快速生成所有物种对的共现次数矩阵：

# 计算共现矩阵：行×列的矩阵乘法得到每对物种的共同出现次数
co_occurrence <- t(species_data) %*% species_data

步骤3：批量计算所有物种对的C score #

使用combn生成所有物种对，结合向量化操作计算C score（标准公式包含除以采样单元数-1，若不需要可移除分母）：

# 生成所有物种对组合
species_pairs <- combn(colnames(species_data), 2)

# 批量计算C score
c_scores <- apply(species_pairs, 2, function(pair) {
  sp1 <- pair[1]
  sp2 <- pair[2]
  ki <- occurrences[sp1]
  kj <- occurrences[sp2]
  K <- co_occurrence[sp1, sp2]
  # 标准C score公式
  (ki - K) * (kj - K) / (nrow(species_data) - 1)
})

# 构建结果数据框
c_scores_df <- data.frame(
  Species1 = species_pairs[1, ],
  Species2 = species_pairs[2, ],
  C_score = round(c_scores, 6)
)

查看结果 #

运行代码后，c_scores_df将包含所有物种对的C score：

print(c_scores_df)

示例输出：

Species1 Species2  C_score
1     BABO       BW 0.002439
2     BABO       RC 0.012195
3     BABO      SKS 0.000000
4     BABO     MANG 0.000000
5       BW       RC 0.109756
6       BW      SKS 0.080488
7       BW     MANG 0.024390
8       RC      SKS 0.097561
9       RC     MANG 0.012195
10     SKS     MANG 0.012195

内容的提问来源于stack exchange，提问作者Marnee Roundtree