我正在尝试使用 R 中的 Vegan 包计算和可视化配对/汇集站点社区之间的 Bray-Curtis 差异。
下面是一个简化的示例数据帧：
Site = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J")
PoolNumber = c(1, 3, 4, 2, 4, 1, 2, 3, 4, 4)
Sp1 = c(3, 10, 7, 0, 12, 9, 4, 0, 4, 3)
Sp2 = c(2, 1, 17, 1, 2, 9, 3, 1, 6, 7)
Sp3 = c(5, 12, 6, 10, 2, 4, 0, 1, 3, 3)
Sp4 = c(9, 6, 4, 8, 13, 5, 2, 20, 13, 3)
df = data.frame(Site, PoolNumber, Sp1, Sp2, Sp3, Sp4)
"地点"是一个变量，表示每个样本的采集位置 "Sp"列表示每个地点物种的丰度值。 我想比较具有相同"PoolNumber"的网站对，并为每个比较获得一个差异值。
大多数示例建议我应该创建一个仅包含"Sp"列的矩阵并使用以下代码：
matrix <- df[,3:6]
braycurtis = vegdist(matrix, "bray")
hist(braycurtis)
但是，如果我删除带有"PoolNumber"和"Site"的列，我不确定如何告诉 R 要比较哪些行。这是否涉及按"PoolNumber"组织，将其用作行名，然后编写一个循环来比较每 2 行？ 我也发现输出难以解释。较低的 Bray-Curtis 值表示更相似的社区(接近 0(，而较高的值(接近 1(表示更不同的社区，但是有没有办法判断方向性，哪一个对更多样化？
我是初学者R用户，因此对于任何滥用术语/格式的行为，我深表歉意。所有建议都值得赞赏。
谢谢
你的意思是你想得到一个PoolNumber相等的不相近的子集吗？vegdist函数将为您提供所有差异，您可以从中选择您的对。当您首先将不相异性转换为对称矩阵，然后从该对称矩阵中选择子集时，这是最简单的：
braycurtis <- vegdist(df[,3:6])
as.matrix(braycurtis)[df$PoolNumber==4,df$PoolNumber==4]
as.dist(as.matrix(braycurtis)[df$PoolNumber==4,df$PoolNumber==4])
如果你只想有平均值，vegan::meandist函数会给你这些：
meandist(braycurtis, df$PoolNumber)
这里的对角线值将是PoolNumber内的平均相异性和非对角线平均相异性，不同PoolNumber之间的平均相异性。 查看vegan::meandist代码，您可以看到这是如何完成的。
布雷-柯蒂斯相异性(像所有正常相异性一样(是一个对称度量，它不知道多样性的概念。您可以评估每个站点的多样性程度，但您需要首先告诉我们"多样化"(多样性或其他什么？然后，您只需要在计算中使用这些值。
如果您只想查看项目(物种(的数量，以下函数将为您提供下三角形的差异(并且上三角形值与符号开关相同(：
designdist(df[,3:6], "A-B", "binary")
或者，您可以使用按行统计并查看它们的差异。这是香农-韦弗多样性指数的一个例子：
H <- diversity(df[,3:6])
outer(H, H, "-")
要获取子集，请像使用 Bray-Curtis 索引一样工作。