有一些 R 函数可以通过输入矩阵/数据框 ( x) 并指定距离度量 (例如Euclidean) 来构造距离矩阵，例如 R 包中的dist函数stats（默认）。proxyR 包有一个扩展 :的dist函数（是的，同名）stats:dist：它有一个参数method，用户可以从中传递一个函数、一个注册表项或一个引用邻近度量的助记符字符串。如果用户将自己的距离测量编程为功能，这将非常方便。例如（来自 中的帮助文档proxy）：
## input matrix
x <- matrix(rnorm(16), ncol = 4)
## custom distance function
f <- function(x, y) sum(x * y)
dist(x, f)
结果距离矩阵表明（例如）第 1 行和第 2 行之间的距离x为 2.32，可以手动计算为sum(x[1,]*x[2,])。请注意，该函数f有两个参数x和y，它们本质上是函数中输入矩阵x的两行proxy:dist。换句话说，距离计算完全依赖于输入x矩阵。
这是我的问题：我还想计算输入矩阵的距离矩阵x（即行是观察值，我想获得行之间的成对距离x）。但是，我用来计算距离的函数并不仅仅依赖于输入矩阵x，而是实际上依赖于一些从x. 我将必要的矩阵存储在一个名为 的列表中prep_matrices，该列表由三个矩阵组成：（A,B,C我将这些矩阵组合成可重现的结果）：
set.seed(111)
A = matrix(rnorm(9), nr=3)
set.seed(222)
B = matrix(rnorm(9), nr=3)
set.seed(333)
C = matrix(rnorm(9), nr=3)
显然，输入矩阵x是 3×3，并且prep_matrices$A, prep_matrices$B, prep_matrices$C会给出从 的派生矩阵x。现在假设两行之间的距离x计算为（例如，第 1 行和第 2 行）：
m1 = diag(A[1, ])
m2 = diag(A[2, ])
b1 = B[1, ]
b2 = B[2, ]
c1 = C[1, ]
c2 = C[2, ]
distance = mean(m1 %*% ( (diag(b1)-diag(b2)) %*% (diag(c1)-diag(c2)) %*% m2))
此示例仅用于说明，但我希望您能了解如何计算距离。然后，我意识到可能无法将列表 ( prep_matrices) 传递给某些 R 函数并直接获取距离，因为涉及更多额外计算，最重要的是，距离不是基于输入矩阵，而是基于派生矩阵...
在这种情况下，有没有办法在 R 中有效地编码以获得距离矩阵？或者我们可以修改现有的 R 函数？非常感谢！