如何将data.frame转为距离矩阵用于层次聚类？解决DA缺失问题

你的问题出在原始data.frame的结构不符合距离矩阵的要求——它的行名和列名没有覆盖所有样本，且不是对称/完整的三角矩阵。as.dist()和hclust()都需要行与列名完全一致的方阵（或规范的三角矩阵），下面是具体的修复步骤：

步骤1：整理原始数据，构建完整的距离矩阵 #

首先，我们明确所有样本：DA, DB, DC, DD, DE。然后把现有数据填充到一个完整的5×5矩阵中，确保对称位置的距离值一致，对角线为0（样本自身距离为0）：

# 定义所有样本
samples <- c("DA", "DB", "DC", "DD", "DE")

# 创建空的距离矩阵，行/列名为所有样本
dist_matrix <- matrix(0, nrow = length(samples), ncol = length(samples),
                      dimnames = list(samples, samples))

# 填充已知的距离值
dist_matrix["DA", "DB"] <- dist_matrix["DB", "DA"] <- 0.39
dist_matrix["DA", "DC"] <- dist_matrix["DC", "DA"] <- 0.44
dist_matrix["DB", "DC"] <- dist_matrix["DC", "DB"] <- 0.35
dist_matrix["DA", "DD"] <- dist_matrix["DD", "DA"] <- 0.30
dist_matrix["DB", "DD"] <- dist_matrix["DD", "DB"] <- 0.48
dist_matrix["DC", "DD"] <- dist_matrix["DD", "DC"] <- 0.32
dist_matrix["DA", "DE"] <- dist_matrix["DE", "DA"] <- 0.50
dist_matrix["DB", "DE"] <- dist_matrix["DE", "DB"] <- 0.80
dist_matrix["DC", "DE"] <- dist_matrix["DE", "DC"] <- 0.91
dist_matrix["DD", "DE"] <- dist_matrix["DE", "DD"] <- 0.7

步骤2：转换为dist对象并传入hclust #

现在这个矩阵是标准的对称距离矩阵，可以直接用as.dist()转换，再传给hclust()：

# 转换为dist对象（默认取下三角，可通过upper参数调整）
dist_obj <- as.dist(dist_matrix)

# 查看转换后的dist对象（包含所有样本）
dist_obj
#>    DA   DB   DC   DD
#> DB 0.39            
#> DC 0.44 0.35      
#> DD 0.30 0.48 0.32  
#> DE 0.50 0.80 0.91 0.7

# 进行层次聚类
hc <- hclust(dist_obj)
# 可以绘制聚类树
plot(hc)

为什么原来的方法会出错？ #

• as.dist(df)丢失DA：你的原始data.frame行名是DB, DC, DD, DE，列名是DA, DB, DC, DD，行和列的样本集合不匹配。as.dist()会默认识别行和列的交集样本（DB, DC, DD），导致DA被排除，DE仅作为行样本保留与交集样本的距离。
• 直接传df给hclust报错：hclust()要求输入是dist对象或符合规范的距离矩阵（方阵、行/列名一致、无无效NA）。你的df不是方阵，且NA的位置不符合距离矩阵的三角结构，导致函数无法识别矩阵大小，触发错误。

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