% de similarité

[Marine Dupont]

Bonjour,

Je débute sur R. J'examine plusieurs séquences et j'aimerai savoir leur pourcentage de similarité. Je m'explique avec un exemple.

ex :
séquence 1 --> AZERTTYUIO
séquence 2 --> AZEFRTYUIO

Dans ces deux séquences il y a 8 lettres à la même position, donc une similarité de 80%.

Merci d'avance pour vos conseils.

[Pierre-Yves Berrard]

Bonjour,

Une solution en éclatant chaque chaîne en vecteur des lettres le composant :

Code : Tout sélectionner

sequence1 <- "AZERTTYUIO"
sequence2 <- "AZEFRTYUIO"

split_seq <-
  strsplit(
    c(sequence1, sequence2),
    split = ""
  )
mean(split_seq[[1]] == split_seq[[2]])

Si vous voulez faire quelque chose de moins basique, vous pouvez chercher du côté des distances entre chaînes de caractères, par exemple la fonction adist (distance de Levenshtein) ou le package stringdist.

[Michaël Delorme]

Il s'agit de distance de Hamming dans ce cas particulier (chaînes de même longueur).

Code : Tout sélectionner

library(stringdist)

a <- "AZERTTYUIO"
b <- "AZEFRTYUIO"
dist <- stringdist(a, b, method = "hamming")

(nchar(a) - dist) / nchar(a) * 100


https://fr.wikipedia.org/wiki/Distance_de_Hamming
http://www.markvanderloo.eu/yaRb/2013/02/26/the-stringdist-package/

--

[Marine Dupont]

Bonjour,

Je suis désolée pour ma réponse tardive.
Merci à vous deux pour vos réponses. Je vais utiliser le package que vous m'avez suggéré.

Bonne journée.
Marine