R语言中计算序列相邻配对联合概率的高效实现方法

完全不需要编写大量循环，使用R内置函数或者常用的数据分析包即可快速实现，且对大样本量的适配性更好。

前置准备：构造示例数据 #

首先将你存储的配对矩阵转换为R的两列数据框：

# 示例配对数据，对应你给出的序列生成的配对
pair_df <- data.frame(
  a = c(1,1,3,3,3,4,4,2,4,2),
  b = c(1,3,3,3,4,4,2,4,2,2)
)

基础R实现（无需安装任何第三方包） #

直接使用内置的table和prop.table函数完成统计：

# 统计所有唯一(a,b)配对的出现频数
pair_freq <- table(pair_df)
# 按行计算条件概率P(b|a)，输出结果和你给出的示例完全匹配
prob_result <- prop.table(pair_freq, margin = 1)
# 转换为你需要的输出格式
result_df <- as.data.frame(prob_result)
result_df$pair_label <- paste0("(", result_df$a, ",", result_df$b, ")")
final_result <- result_df[, c("pair_label", "Freq")]

输出的final_result过滤掉频数为0的配对，即可得到你需要的输出形式：

(1,1) 0.5
(1,3) 0.5
(2,2) 0.5
(2,4) 0.5
(3,3) 0.6666667
(3,4) 0.3333333
(4,2) 0.6666667
(4,4) 0.3333333

dplyr实现（代码逻辑更直观） #

如果你常用tidyverse系列工具，用dplyr的分组统计逻辑写起来更易懂：

library(dplyr)
final_result <- pair_df %>%
  # 按a、b分组统计每个唯一配对的出现次数
  group_by(a, b) %>%
  summarise(pair_count = n(), .groups = "drop_last") %>%
  # 除以每个a对应的总配对数，得到条件概率
  mutate(prob = pair_count / sum(pair_count)) %>%
  ungroup() %>%
  # 生成配对标签
  mutate(pair_label = paste0("(", a, ",", b, ")")) %>%
  # 按你需要的格式选择输出列
  select(pair_label, prob)

公式补充说明 #

你给出的公式joint_prob(a,b) = cond_prob(b|a)/prob(a)和示例输出的结果不匹配（示例输出实际是条件概率cond_prob(b|a)），如果你确实需要严格按照该公式计算，只需要额外统计a的边际概率即可：

# 计算a的边际概率P(a)
a_total <- sum(table(pair_df$a))
prob_a <- table(pair_df$a) / a_total
# 按公式计算即可
joint_prob <- prob_result / as.numeric(prob_a[rownames(prob_result)])

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