我有一个非常大的数据集,并试图找到许多不同(和随机)的数据组合之间的相关性。例如,我可能想知道第3列与第12-15列之间的相关性,或者第20列与第1-4列之间的相关性,等等。
我目前正在使用心理库中的pair.panels()函数,但无法确定我想要的具体的列间配对。
这里是 df
,一个假人 data.frame
有26列,每列都包含随机值,所以任何一对列的相关性都应该是相当低的。
cols = lapply(1:26, function(dummy) runif(30))
df = do.call(data.frame, cols)
names(df) = LETTERS
如果你想知道列 "X "和列 "A"、"C"、"E "之间的相关性,可以尝试一下。sapply
随着 cor
功能。
sapply(df[c("A","C","E")], cor, df["X"])
或者使用列号。
sapply(df[c(1,3,5)], cor, df[24])
如果你想知道两组列之间的所有相关组合,可以试试:
firstGroup <- c(1,3,5,20)
secondGroup <- c(14,20,25)
combos <- expand.grid(firstGroup, secondGroup)
result <- mapply(cor, df[combos$Var1], df[combos$Var2])
resultAsMatrix <- matrix(result, nrow = length(firstGroup), dimnames = list(firstGroup, secondGroup))
试试:
> resultAsMatrix
14 20 25
1 -0.22949844 -0.1527876 -0.11877405
3 0.23174965 0.0311125 0.33570756
5 0.01491815 -0.1263007 -0.16688800
20 0.18007802 1.0000000 0.04638838
EDIT:
@user20650指出 cor
函数内置了比较两个矩阵的能力。 所以。
cor(df[firstGroup], df[secondGroup])
得出上面我手动创建的矩阵。
N T Y
A -0.22949844 -0.1527876 -0.11877405
C 0.23174965 0.0311125 0.33570756
E 0.01491815 -0.1263007 -0.16688800
T 0.18007802 1.0000000 0.04638838