我有一个数据集，其中包含一组变量和描述它们在地理空间中分布的坐标：

set.seed(123)

#example dataset:

d <- data.frame(var=as.factor(rep(LETTERS[1:5],each=6)),x=runif(30),y=runif(30))

head(d)

  var         x          y
1   A 0.2875775 0.96302423
2   A 0.7883051 0.90229905
3   A 0.4089769 0.69070528
4   A 0.8830174 0.79546742
5   A 0.9404673 0.02461368
6   A 0.0455565 0.47779597

字符串
我想测量Bhattacharyya对每个变量组合的亲和力，如下所示：

library(dplyr)
library(adehabitatHR)

a <- d %>%
  filter(var %in% c("A","B")) %>%
  dplyr::select(x,y)
b <- d %>%
  filter(var %in% c("A","B")) %>%
  dplyr::select(var)

sp_df <- SpatialPointsDataFrame(a, b)

kerneloverlap(sp_df, method='BA')[1,2]

[1] 0.7217199

型
最终目标是将这些值存储在对称矩阵中，并将它们用作变量之间的各种距离度量。
不幸的是，kerneloverlap()函数只适用于SpatialPointsDataFrame对象，并且一次只能处理两个变量，所以我尝试将其烘焙到this post之后的循环中：

distmat <- as.data.frame(matrix(ncol=5,nrow=5))
colnames(distmat) <- levels(d$var)
rownames(distmat) <- levels(d$var)

for (i in seq_along(levels(d$var))) {
  if(i != length(levels(d$var))){
a <- d %>%
  filter(var %in% c(levels(d$var)[i], levels(d$var)[i+1])) %>%
  dplyr::select(x,y)
b <- d %>%
  filter(var %in% c(levels(d$var)[i], levels(d$var)[i+1])) %>%
  dplyr::select(var)

sp_df <- SpatialPointsDataFrame(a, b)

distmat [i,(i+1)] <- kerneloverlap(sp_df, method='BA')[1,2]
  }
}

型
但是，当我运行这个函数时，它返回Error in kernelUD(xy, same4all = TRUE, ...) : At least 5 relocations are required to fit an home range。这是因为要使kerneloverlap（）函数工作，两个分布中至少需要有五个观测值;然而，示例数据集中的每个变量都有6个观测值，所以这应该不是问题。我发现如果var不是一个因子而是一个字符向量，这个错误就不会发生，但是当然，函数的其余部分不起作用，距离矩阵保持为空。我真的被卡住了，不知道从这里去哪里，所以任何建议都非常感谢。

编辑

我找到了一个用combn迭代的解决方案：

combos =as.data.frame(combn(unique(d$var),2))
distmat <- as.data.frame(matrix(ncol=5,nrow=5))

for (i in 1:ncol(combos)) {
    a <- d %>%
      filter(var %in% c(combos[1:2,i])) %>%
      dplyr::select(x,y)
    b <- d %>%
      filter(var %in% c(combos[1:2,i])) %>%
      dplyr::select(var)
    
    sp_df <- SpatialPointsDataFrame(a, b)
    
    kerneloverlap(sp_df, method='BA')[1,2] %>% print()
  
}

型
这正确地打印出了Bhattacharyya的亲和度的值，但是我仍然试图弄清楚如何将这些值保存到一个维度等于变量数量的对称矩阵中，以便它们对应于正确的对。有什么想法吗？先谢了。