如何选用可同时计算数值列与二进制列距离的距离函数？

你的数据集同时包含连续数值变量（V1）和二进制哑变量，且两类变量权重相同，直接用dist()的binary方法并不合适——因为这个方法仅针对二元数据，会忽略数值变量的实际差异。下面是两个实用的R解决方案：

1. 用cluster::daisy()（推荐） #

daisy()是专门为混合类型数据设计的距离计算函数，默认的Gower距离能完美适配你的场景：它会自动识别变量类型，对连续变量计算标准化后的绝对差，对二进制变量计算匹配/不匹配的比例，且默认所有变量权重相等，刚好符合你“两类变量重要性相同”的要求。

示例代码：

library(cluster)
# 先处理得到目标数据集
df_processed <- tibble( Observation = c(1:6), V1 = c(3, 5, 4, 6, 9, 5),
                        V2 = c("a", "b", "a", "c", "b", "a"), 
                        label = c("Red", "Red", "Blue", "Blue", "Red", "Blue")) %>% 
  select(2:4) %>% 
  fastDummies::dummy_cols() %>% 
  select(c(-V2, -label))

# 计算混合数据距离矩阵
dist_matrix <- daisy(df_processed, metric = "gower")
# 可选：转换为常规dist对象，方便后续聚类等操作
dist_matrix <- as.dist(dist_matrix)

2. 自定义标准化+曼哈顿距离 #

如果你不想额外加载包，可以先把数值变量V1标准化到0-1区间（和二进制变量的取值范围对齐），再用曼哈顿距离计算——曼哈顿距离对0-1尺度的连续变量和二进制变量，默认权重是一致的。

示例代码：

library(scales)
# 标准化V1到0-1范围
df_scaled <- df_processed %>% 
  mutate(V1 = rescale(V1, to = c(0, 1)))

# 计算曼哈顿距离
dist_matrix <- dist(df_scaled, method = "manhattan")

内容的提问来源于stack exchange，提问作者Rizzle