我有一个包含这样的一个数据集：欧氏距离
case,group,val1,val2,val3,val4
1,1,3,5,6,8
2,1,2,7,5,4
3,2,1,3,6,8
4,2,5,4,3,7
5,1,8,6,5,3
我试图计算编程值的组中的向量之间的欧几里得距离。
这意味着我在n个组中有x个个案。欧几里德距离是在行对之间计算的，然后对该组进行平均。所以，在上面的例子中，首先我计算组1的平均值和标准偏差（情况1,2和5），然后标准化值（即[（原始值 - 平均值）/ st dev]，然后计算情况之间的ED 1和案例2，案例2和5，案例1和5，最后取平均ED的组。
任何人都可以表明，在一个合理有效的方式实现这一目标的一种巧妙的方法？
作为我将如何处理这在SPSS一个示例中，第一允许读出的示例性数据到SPSS。
data list list (",")/case group val1 val2 val3 val4 (6F1.0).
begin data
1,1,3,5,6,8
2,1,2,7,5,4
3,2,1,3,6,8
4,2,5,4,3,7
5,1,8,6,5,3
end data.
dataset name orig.
然后我们可以使用SPLIT FILE和PROXIMITIES按组，让我们的距离矩阵。请注意，正如您在flodel答案的评论中提到的那样，这会产生需要处理的单独数据集（另请注意，SPSS语法中实际上从不重要，例如split file和SPLIT FILE等效）。
sort cases by group.
split file by group.
dataset declare dist.
PROXIMITIES val1, val2, val3, val4
/STANDARDIZE = Z
/MEASURE = EUCLID
/PRINT = NONE
/MATRIX = OUT('dist').
不同于R，一个SPSS数据矩阵内基本上一切都像的R data.frame，附近以便SPLIT文件功能替换所有不同*ply功能R.非常convienant，但一般不太灵活。所以现在我们需要汇总我保存结果的dist文件中的距离。我们首先对行进行求和，然后通过AGGREGATE命令进行求和。
dataset activate dist.
compute dist_sum = SUM(VAR1 to VAR3).
*it appears SPSS keeps empty cases - we dont want them in the aggregation.
select if MISSING(dist_sum) = 0.
dataset activate dist.
DATASET DECLARE dist_agg.
AGGREGATE
/OUTFILE='dist_agg'
/BREAK=group
/dist_sum = SUM(dist_sum)
/N_Cases=N.
dataset activate dist_agg.
compute mean_dist = dist_sum /(N_Cases*(N_Cases - 1)).
这里我将汇总结果保存到名为dist_agg的另一个数据集中。因为SPSS（令人讨厌地）保存了全距离矩阵，所以平均值不会是n*(n-1)/2（如等效的R语法），但假设你不想对对数的平均值计算对角元素，那么将会是n*(n-1)。然后我们可以通过匹配文件命令将这些数据文件合并到orig数据文件中。
*merge back into the original dataset.
dataset activate orig.
match files file = *
/table = 'dist_agg'
/by group.
exe.
*clean out old datasets if you like.
dataset close dist.
dataset close dist_agg.
R的灵活性，来回走matrix和data.frame对象之间，使SPSS这个工作更笨重一点。我可以用SPSS的MATRIX语言编写更简洁的程序来完成此任务，但是在MATRIX中的跨组执行操作时会遇到麻烦（与R的*ply语法相比）。
是，它可能是R中更容易...
您的数据：
dat <- data.frame(case = 1:5,
group = c(1, 1, 2, 2, 1),
val1 = c(3, 2, 1, 5, 8),
val2 = c(5, 7, 3, 4, 6),
val3 = c(6, 5, 6, 3, 5),
val4 = c(8, 4, 8, 7, 3))
短溶液：
library(plyr)
ddply(dat[c("group", "val1", "val2", "val3", "val4")],
"group", function(x)c(mean.ED = mean(dist(scale(as.matrix(x))))))
# group mean.ED
# 1 1 3.121136
# 2 2 3.162278
这是一个使用base R更简单的解决方案。
d <- by (dat[,2:5], dat$group, function(x) dist(x))
sapply（d，平均）
andy-w感谢提供此解决方案与SPSS。我不得不说，我比来自@ flodel的R解决方案更了解它，但也许是因为SPSS（在它的笨拙中）使每个中间步骤都可见！非常感谢您的意见 – lorenzov 2013-05-07 02:45:07