我在R中有一个大型数据帧(大约180,000行数据(。在每一行中，都有一个标识符的标题(NAME(，然后是 41 列，告诉我们NAME是否包含带有"1"或"0"的特定术语。所以，例如，在dataNAME1有gene1、gene2、gene3等，像这样：
gene1 gene2 gene3
NAME1 1 0 1
NAME2 0 1 1
这段代码中有41个潜在的基因，我想产生描述性的统计数据来解释重叠的位置。那么，例如，有多少个NAMES在基因1和基因2之间有重叠，有多少同时有基因2和基因3？我不需要知道它们是什么名字。理想情况下，这将扩展到3个或更多基因的组合，但这个子集非常小，所以它实际上不是必需的。如果我能得到所有双基因组合出现的次数的统计数据，那就足以完成这项任务了。
我真的被这个问题困住了，不知道该怎么做。有什么想法吗？提前感谢您的帮助！
使用矩阵乘法：
m = matrix(c(1, 0, 0, 1, 1, 1, 1, 1), ncol = 4)
colnames(m) = paste0("gene", 1:4)
m
# gene1 gene2 gene3 gene4
# [1,] 1 0 1 1
# [2,] 0 1 1 1
t(m) %*% m
# gene1 gene2 gene3 gene4
# gene1 1 0 1 1
# gene2 0 1 1 1
# gene3 1 1 2 2
# gene4 1 1 2 2
你真的只需要一半的矩阵(因为它是对称的(。这告诉您，例如，gene1和gene4在 1 行中同时发生，但gene3和gene4在 2 行中同时发生。
> 一个选项是crossprod
crossprod(m, m)
数据
m <- structure(c(1, 0, 0, 1, 1, 1, 1, 1), .Dim = c(2L, 4L), .Dimnames = list(
NULL, c("gene1", "gene2", "gene3", "gene4")))
正如我假设gene1在所有情况下都与您可能想要的gene1重叠：
crossprod(m, m) + crossprod(1-m, 1-m)