如何仅计算同站点不同年份样本的成对Jaccard距离？

嘿，这个需求其实很容易解决——我们不需要生成全量的距离矩阵，只需要针对每个站点单独提取两年的物种数据来计算Jaccard距离就行，这样既高效又精准。给你两种实用的方法，你可以根据自己的习惯选：

方法一：基础循环法（适合新手理解） #

先构建你的模拟数据，然后通过循环遍历每个站点，单独计算对应年份的Jaccard距离：

# 构建模拟数据
year <- c(rep(2017, 40), rep(2018, 40))
site <- c(rep(1:40,2))
set.seed(123) # 设置种子保证结果可重复
sp1 <- sample(c(0,1), replace=TRUE, size=80)
sp2 <- sample(c(0,1), replace=TRUE, size=80)
sp3 <- sample(c(0,1), replace=TRUE, size=80)
data <- data.frame(year, site, sp1, sp2, sp3)

# 加载vegan包
library(vegan)

# 初始化结果容器
results <- character(40)

# 遍历每个站点计算
for (i in 1:40) {
  # 提取当前站点两年的物种数据（只保留物种列）
  site_species <- data[data$site == i, grep("^sp", colnames(data))]
  # 计算Jaccard距离（两行数据的距离结果只有1个值）
  jacc_val <- vegdist(site_species, method = "jaccard", binary = TRUE)[1]
  # 按要求格式拼接字符串
  results[i] <- paste0("2017:", i, " vs 2018:", i, " ", round(jacc_val, 4))
}

# 输出最终格式的结果
cat("jaccard", paste(results, collapse = " "), "\n")

方法二：tidy风格分组法（更简洁灵活） #

用dplyr的分组功能，自动按站点处理，适合物种数量多的场景（不用手动列所有物种列）：

# 构建模拟数据（和上面一致）
year <- c(rep(2017, 40), rep(2018, 40))
site <- c(rep(1:40,2))
set.seed(123)
sp1 <- sample(c(0,1), replace=TRUE, size=80)
sp2 <- sample(c(0,1), replace=TRUE, size=80)
sp3 <- sample(c(0,1), replace=TRUE, size=80)
data <- data.frame(year, site, sp1, sp2, sp3)

# 加载所需包
library(vegan)
library(dplyr)

# 按站点分组计算Jaccard距离
site_jaccard_results <- data %>%
  group_by(site) %>%
  summarize(
    # 提取所有以sp开头的物种列，计算距离
    jaccard_dist = vegdist(pick(starts_with("sp")), method = "jaccard", binary = TRUE)[1],
    .groups = "drop"
  ) %>%
  # 生成要求格式的字符串
  mutate(comparison_str = paste0("2017:", site, " vs 2018:", site, " ", round(jaccard_dist, 4)))

# 输出结果
cat("jaccard", paste(site_jaccard_results$comparison_str, collapse = " "), "\n")

关键说明 #

• 两种方法都只针对同一站点的两年数据计算，完全避免了生成全量成对距离矩阵的冗余操作，效率更高。
• pick(starts_with("sp"))（dplyr方法）能自动匹配所有物种列，不管你实际有多少个物种，都不用手动修改代码。
• 用round()函数可以控制距离值的小数位数，让输出更整洁，你可以根据需求调整位数。

内容的提问来源于stack exchange，提问作者LHAndersen