skbio.diversity.beta_diversity¶

skbio.diversity.beta_diversity(metric, counts, ids=None, validate=True, pairwise_func=None, **kwargs)[源代码]¶

计算所有样本对之间的距离

状态：从0.4.0开始实验。

参数:

metric (str, callable) -- 要应用的成对距离函数。查看 pdist docs和 scikit-bio 函数链接到也见获取可用指标。最好将度量作为字符串传递，因为这通常会导致使用度量的优化版本。
counts (2D array_like of ints or floats or 2D pandas DataFrame) -- 包含计数/丰度数据的矩阵，其中每行包含给定样本中OTU的计数。
ids (iterable of strs, optional) -- 中每个样本的标识符 counts . 默认情况下，将按照提供的顺序为样本分配整数标识符（其中标识符的类型为 str ）
validate (bool, optional) -- 如果 False ，将不执行输入验证。此步骤可能很慢，因此如果在其他地方运行验证，则可以在此处禁用它。但是，无效的输入数据可能导致无效的结果或难以解释的错误消息，因此如果您不确定输入数据是否有效，则不应跳过此步骤。看到了吗 skbio.diversity 有关验证所需内容的说明，以便确定是否可以安全地禁用验证。
pairwise_func (callable, optional) -- 用于计算成对距离的函数。此函数必须采用 counts 和 metric 并返回正方形、中空的2-D numpy.ndarray 不同之处(浮动)。可以提供的功能示例如下 scipy.spatial.distance.pdist 和 sklearn.metrics.pairwise_distances 。默认情况下， scipy.spatial.distance.pdist 将会被使用。
kwargs (kwargs, optional) -- 公制特定参数。

返回:

所有成对样本（即行）之间的距离。行数和列数将等于中的行数 counts .

返回类型:

skbio.DistanceMatrix

抛出:

ValueError, MissingNodeError, DuplicateNodeError -- 如果验证失败。确切的错误将取决于什么是无效的。
TypeError -- 如果提供了无效的方法特定参数。

参见