如何逐行比较两个含1、0、-1的R DataFrame行相似度？

我来帮你搞定这个需求！要计算两个R数据框每行的相同值占比，其实有好几种简单的实现方式，我给你分享两种最常用的：

方法一：使用Base R（无需额外包） #

先把你的示例数据构造出来，然后用apply函数逐行处理：

# 构造示例数据框
df1 <- data.frame(var1 = c(1, -1), var2 = c(1, 0), var3 = c(0, -1))
df2 <- data.frame(var1 = c(-1, 1), var2 = c(1, 0), var3 = c(0, 1))

# 逐行计算相同值的占比
row_similarity <- apply(df1 == df2, 1, mean)
row_similarity

代码解释： #

• df1 == df2会生成一个布尔矩阵，对应位置值相同则为TRUE（等价于1），不同则为FALSE（等价于0）
• apply(..., 1, mean)指定对行（第二个参数1代表行）计算平均值，也就是相同值的数量占该行总列数的比例
• 运行结果是[1] 0.6666667 0.3333333，正好对应你需要的2/3和1/3

方法二：使用dplyr（适合tidyverse用户） #

如果你习惯用tidyverse的语法，可以用dplyr来实现：

library(dplyr)

# 绑定数据框并逐行计算相似度
bind_cols(df1, df2) %>%
  mutate(row_id = row_number()) %>%
  group_by(row_id) %>%
  summarize(
    similarity = mean(
      c_across(var1:var3) == c_across(paste0("var", 1:3, ".1"))
    )
  ) %>%
  pull(similarity)

代码解释： #

• bind_cols(df1, df2)把两个数据框按列合并，合并后df2的列名会自动加上.1后缀（比如var1.1）
• mutate(row_id = row_number())添加行索引用于分组
• group_by(row_id)按行分组后，用c_across分别选取两个数据框的列进行比较，再取平均值得到占比
• pull(similarity)提取最终的相似度结果

小提示： #

如果你的两个数据框列名没有自动后缀，只要保证列数相同、顺序对应，也可以用列位置来选取，比如c_across(1:3)对应第一个数据框的列，c_across(4:6)对应第二个数据框的列。

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