需要帮助进行复杂的相关分析（150 列对 36 列）

Question

我必须进行一个相对复杂的相关性分析，其中总共要检查 150 列与其他 36 列的相关性。我已经针对 36 列针对 30 列完成了此操作，这非常耗时，因为我使用单独的命令函数对 30 列中的每一列进行了分析。 这是我的示例数据集：

df <- structure(list(x1 = c(0.2569, 0.0145896, 0.0369, 0.025986,
                     0.12569, 0.3695), x2 = c(0.125, 0.04582, 0.2569, 0.256369, 0.25698, 0.1456), x3 = c(0.2584, 0.05698, 0.1258, 0.2569, 0.098563, 0.1569), 
                          y1 = c(21, 36, 25, 10, 36, 5), y2 = c(12, 25, 13, 44, 69,23)), row.names = c(NA, -6L), class = "data.frame")

所以我的真实数据集由 x1,...,x150 和 y1,...,y36 组成。而我的目标是

• 得到 p 值在 x1-y1、x1-y2、x2-y1、x2-y2、x3-y1 和 x3-y2 等之间的皮尔逊相关系数
• x1、x2 等的结果应该是全局环境中的新数据框，名称如 x1、x2（列名）

我唯一的解决方案是此页面中的解决方案： 计算来自不同数据帧的两列之间的 R 相关性 ，但随后我将不得不在我的数据集上运行 150 次。有没有办法循环执行此操作？你怎么能制定呢？不幸的是，循环符号对我来说仍然很抽象。将 y 数据存储在单独的数据集中可能会更好？

Answer 1

这是在同一帧中对

x*

和

y*

变量进行配对的一种方法：

out <- outer(
  setNames(nm=grep("^x", names(df), value=TRUE)),
  setNames(nm=grep("^y", names(df), value=TRUE)),
  FUN = function(a, b) mapply(cor, df[a], df[b]))
out
#            y1         y2
# x1 -0.5226603 -0.2180721
# x2 -0.1469443  0.4764507
# x3 -0.6718297 -0.1850078

说明：

• grep("^x", names(df), value=TRUE)

  将返回（在本例中

  c("x1","x2","x3")

  ，所有 x 前导变量名；

• setNames(nm=..)

  将其转换为命名向量，

  c(x1="x1",...)

  ，这有助于将行/列名称添加到结果矩阵；

• outer

  对两个向量之间的值进行笛卡尔连接，当它调用其函数 (

  FUN=

  ) 时，它一次调用它们all。这里使用的函数需要能够处理一个

  a

  非常长的调用。显然

  cor

  不喜欢那样，所以我们使用

  mapply

  在某种意义上进行矢量化。例如，如果我们调试它，那么在

  FUN

  函数中，我们会看到

  # debug at #1: mapply(cor, df[a], df[b])
  a
  #   x1   x2   x3   x1   x2   x3 
  # "x1" "x2" "x3" "x1" "x2" "x3" 
  b
  #   y1   y1   y1   y2   y2   y2 
  # "y1" "y1" "y1" "y2" "y2" "y2" 
  

  我们需要将该向量转换为数据列表，因此我们使用

  [

  。 （我在下面使用

  as.list

  是因为它通常返回一个

  data.frame

  ... 这实际上只是一个具有特殊格式的

  list

  ，但我想强调一下

  mapply

  只关心获取数据列表。）

  as.list(df[a])
  # $x1
  # [1] 0.2569000 0.0145896 0.0369000 0.0259860 0.1256900 0.3695000
  # $x2
  # [1] 0.125000 0.045820 0.256900 0.256369 0.256980 0.145600
  # $x3
  # [1] 0.258400 0.056980 0.125800 0.256900 0.098563 0.156900
  # $x1.1
  # [1] 0.2569000 0.0145896 0.0369000 0.0259860 0.1256900 0.3695000
  # $x2.1
  # [1] 0.125000 0.045820 0.256900 0.256369 0.256980 0.145600
  # $x3.1
  # [1] 0.258400 0.056980 0.125800 0.256900 0.098563 0.156900
  

  和

  df[b]

  .
  类似

  mapply

  所做的是用

  cor

  的第一个元素和

  df[a]

  的第一个元素调用

  df[b]

  ，然后用

  cor

  的第二个元素和

  df[a]

  的第二个元素调用

  df[b]

  等

• 最后，

  outer

  将其输出格式化为矩阵（命名，因为我们添加了

  setNames(nm=...)

  ；如果您想要它作为三列框架，那很容易：将

  as.data.frame.table(...)

  :
  包裹起来

  as.data.frame.table(out)
  #   Var1 Var2       Freq
  # 1   x1   y1 -0.5226603
  # 2   x2   y1 -0.1469443
  # 3   x3   y1 -0.6718297
  # 4   x1   y2 -0.2180721
  # 5   x2   y2  0.4764507
  # 6   x3   y2 -0.1850078
  

  如果你不喜欢这个名字，那就改吧：

  as.data.frame.table(out, responseName='correlation')
  #   Var1 Var2 correlation
  # 1   x1   y1  -0.5226603
  # 2   x2   y1  -0.1469443
  # 3   x3   y1  -0.6718297
  # 4   x1   y2  -0.2180721
  # 5   x2   y2   0.4764507
  # 6   x3   y2  -0.1850078