R语言：对前两列无序分组并对第三列执行运算的实现方法

嘿，我正好处理过类似的需求，给你一步步拆解怎么实现这个全时段平均相似度的计算：

首先，咱们先明确场景：你已经通过TSdist得到差异矩阵，转成数据框后用melt处理，最终得到三列：行ID、列名、相似度值。现在要对前两列做无序分组——也就是比如(A,B)和(B,A)要被当成同一组，然后计算这组内相似度的平均值。

核心思路 #

因为无序分组的本质是忽略配对的顺序，所以我们可以给每一对生成一个统一的分组标识：把每一行的行ID和列名按字母（或数值）排序后组合，这样不管原来的顺序是A→B还是B→A，都会得到同一个分组键。

具体实现（两种方式） #

假设你melt后的数据集叫melted_similarity，列名分别是row_id（行ID）、col_name（列名）、sim_value（相似度值）。

方式一：用dplyr（推荐，代码更清晰）

library(dplyr)

# 第一步：生成统一的无序分组键
melted_similarity <- melted_similarity %>%
  mutate(
    # 取两个列的最小值和最大值，作为统一的分组对
    group_left = pmin(row_id, col_name),
    group_right = pmax(row_id, col_name)
  )

# 第二步：按新分组键分组，计算平均相似度
avg_sim_result <- melted_similarity %>%
  group_by(group_left, group_right) %>%
  summarise(
    avg_similarity = mean(sim_value),
    # 如果需要的话，还可以加计数、标准差等统计量
    pair_count = n(),
    .groups = "drop"  # 取消分组状态，返回普通数据框
  )

# 查看结果
print(avg_sim_result)

方式二：用Base R（无需额外包）

如果你不想加载dplyr，用Base R也能实现：

# 第一步：生成统一的分组字符串（比如用"-"连接排序后的两个ID）
melted_similarity$group_key <- apply(
  melted_similarity[, c("row_id", "col_name")],
  1,  # 逐行处理
  function(x) paste(sort(x), collapse = "-")
)

# 第二步：按分组键聚合计算平均值
avg_sim_result_base <- aggregate(
  sim_value ~ group_key,
  data = melted_similarity,
  FUN = function(x) c(avg = mean(x), count = length(x))
)

# 把聚合后的结果拆成单独列（可选，让结果更整洁）
avg_sim_result_base <- do.call(data.frame, avg_sim_result_base)
colnames(avg_sim_result_base) <- c("group_pair", "avg_similarity", "pair_count")

# 查看结果
print(avg_sim_result_base)

为什么这么做？ #

因为TSdist生成的差异/相似度矩阵通常是对称矩阵（除非你用了非对称的度量方法），所以melt后会出现重复的配对（比如A-B和B-A的相似度值是一样的）。通过无序分组，我们可以把这些重复配对合并，得到更准确的全时段平均相似度——避免重复计算，也能处理少数非对称场景下的配对差异。

内容的提问来源于stack exchange，提问作者Jake Oliver Stephen