带dplyr群的Mahalanobis差

Question

我想得到一个Mahalanobis差，每一组的两个分数，在分组后的另一个变量。在这种情况下，对于每个属性，它将是一个Mahalanobis差异(跨越每组2分)。输出应该是3个Mahalanobis距离( A，B和C的一个)。

目前，我正在使用(在我最初的dataframe中，有一些NAs，因此我在reprex中包含了一个)：

library(tidyverse)
library(purrr)



df <- tibble(Attribute = unlist(map(LETTERS[1:3], rep, 5)),
             Score1 = c(runif(7), NA, runif(7)),
             Score2 = runif(15))

mah_db <- df %>% 
  dplyr::group_by(Attribute) %>% 
  dplyr::summarise(MAH = mahalanobis(Score1:Score2, 
                                     center = base::colMeans(Score1:Score2), 
                                     cov(Score1:Score2, use = "pairwise.complete.obs")))

这会引发错误：

由base::colMeans()：！中的错误引起的“x”必须是至少两个维度的数组。

但据我所知，我给了colMeans两列。

那么这里出了什么问题？我想知道，即使是修复这个问题，是否也能给出一个完整的解决方案？

Answer 1

看来你的问题更多的是关于统计数字，而不是dplyr。因此，我只给出一个基于您的数据的小示例和来自?mahalanobis的一个调整的示例。也许还可以看看这里或这里。

df <- subset(x = df0, Attribute == "A", select = c("Score1", "Score2"))
df$mahalanobis <- mahalanobis(x = df, center = colMeans(df), cov = cov(df))
df$p <- pchisq(q = df$mahalanobis, df = 2, lower.tail = FALSE)
plot(density(df$mahalanobis, bw = 0.3), ylim = c(0, 0.8),
     main="Squared Mahalanobis distances"); 
grid()
rug(df$mahalanobis)

df <- subset(x = df0, Attribute == "B", select = c("Score1", "Score2"))
df <- df[complete.cases(df), ]
df$mahalanobis <- mahalanobis(x = df, center = colMeans(df), cov = cov(df))
df$p <- pchisq(q = df$mahalanobis, df = 2, lower.tail = FALSE)
lines(density(df$mahalanobis, bw = 0.3), col = "red",
     main="Squared Mahalanobis distances"); 
rug(df$mahalanobis, col = "red")

df <- subset(x = df0, Attribute == "C", select = c("Score1", "Score2"))
df$mahalanobis <- mahalanobis(x = df, center = colMeans(df), cov = cov(df))
df$p <- pchisq(q = df$mahalanobis, df = 2, lower.tail = FALSE)
lines(density(df$mahalanobis, bw = 0.3), col = "green",
     main="Squared Mahalanobis distances"); 
rug(df$mahalanobis, col = "green")

希望，这是有帮助的(而且时间太长，无法发表评论)。

(当然，您可以使代码变得更短，但它在每一步中都显示了发生了什么。)