R中大表的相关矩阵问题

我有一个如下的数据表

data table1:

Cty  LR1998  LR1999....LR2018  SM1998  SM1999 ..... SM2018
1    0.1     2.5 ....  5.2     14.52   58.62  ..... 69.2  
7    0       50.2 ...  10.6    25.5    80.2   ..... 80.5 
.
.

我需要使用该时间段的LR和SM变量，找出1998年至2018年期间每个“Cty”的相关性（pearson）

我还想创建一个很好的相关图以及

有人能指导我如何使用R执行此操作吗？我知道如何使用“cor”函数，但不知道如何将其用于大型数据表

Example Output:

Cty  Cor   p-value
1    0.16  0.125
7    0.32  <0.05

示例输出：
Cty Cor p值
1    0.16  0.125
7 0.32对于相关图，您可以尝试以下方法：转置数据帧并使用“pairs”函数

配对（t（表1[-1]））
为了获得国家间的相关性，它可能有助于重塑数据。虽然有一个基本的
重塑
函数，但我总是发现它令人困惑，所以我经常使用
tidyr
（或
data.table
）来重塑操作

首先，一些数据：

set.seed(2)
n <- 6
x <- cbind.data.frame(
  CTY = LETTERS[seq_len(n)],
  sapply(paste0("LR", 2000:2006), function(ign) runif(n)),
  stringsAsFactors=FALSE
)

（我现在删除的
聚集
/
扩散
方法之间的最大区别在于，这仍然是一个
矩阵
，如果需要，可以使用
as.data.frame
进行简单转换。这里不需要它。）

现在，这种关联相当直接

cor(y)
#        A      B       C       D      E      F
# A  1.000 -0.435 -0.1443 -0.2010  0.736 -0.471
# B -0.435  1.000 -0.3825 -0.3493 -0.145  0.279
# C -0.144 -0.382  1.0000  0.0885 -0.426  0.447
# D -0.201 -0.349  0.0885  1.0000 -0.523 -0.128
# E  0.736 -0.145 -0.4261 -0.5232  1.000 -0.121
# F -0.471  0.279  0.4467 -0.1279 -0.121  1.000

对于这种格式的数据，适应
cor.test
的使用需要更多的工作。为此，我将使用更多的
tidyverse
：

# library(purrr)
crossing(a=x$CTY, b=x$CTY) %>%
  rowwise() %>%
  do(bind_cols(.,
               purrr::map2_dfc(.$a, .$b,
                               ~ as.data.frame(cor.test(y[,.x], y[,.y])[c("estimate", "p.value")]))
               )) %>%
  ungroup()
# # A tibble: 36 x 4
#    a     b     estimate p.value
#  * <chr> <chr>    <dbl>   <dbl>
#  1 A     A        1      0     
#  2 A     B       -0.435  0.329 
#  3 A     C       -0.144  0.757 
#  4 A     D       -0.201  0.666 
#  5 A     E        0.736  0.0591
#  6 A     F       -0.471  0.286 
#  7 B     A       -0.435  0.329 
#  8 B     B        1      0     
#  9 B     C       -0.382  0.397 
# 10 B     D       -0.349  0.443 
# # ... with 26 more rows

您想要Cty之间的相关性是正确的吗？i、 e.行之间的相关性？我想要1998年至2018年期间LR和SM变量之间每行的相关性。我想我需要每个Cty的相关性。那个输出毫无意义。第一行是国家1与谁的关联？输出是一个示例，但值不正确。输出表Cty 1的相关性应与数据表1第一行从LR1998到LR2018的数据以及SM1998到SM 2018的数据相关。我知道这些值本身是占位符。我的观点是，你不能只与一个群体有关联。它可能需要包括
Cty1
和
Cty2
，如我下面的回答所示。除非我完全误解了这个问题。您是否真的尝试将
数据.frame
转换为一个
字符
列，其余
数字
？转换可以工作，但没有数字。相反，我建议
t（表1[-1]）
删除第一个（char）列，假设所有其他列都是数字，或者
t（表1[c（…）]）
其中
…
是要保留的列号或名称的向量。是的，你是对的。我假设它只是一个标识符，不需要包含在相关计算中。我将编辑答案。谢谢
# library(purrr)
crossing(a=x$CTY, b=x$CTY) %>%
  rowwise() %>%
  do(bind_cols(.,
               purrr::map2_dfc(.$a, .$b,
                               ~ as.data.frame(cor.test(y[,.x], y[,.y])[c("estimate", "p.value")]))
               )) %>%
  ungroup()
# # A tibble: 36 x 4
#    a     b     estimate p.value
#  * <chr> <chr>    <dbl>   <dbl>
#  1 A     A        1      0     
#  2 A     B       -0.435  0.329 
#  3 A     C       -0.144  0.757 
#  4 A     D       -0.201  0.666 
#  5 A     E        0.736  0.0591
#  6 A     F       -0.471  0.286 
#  7 B     A       -0.435  0.329 
#  8 B     B        1      0     
#  9 B     C       -0.382  0.397 
# 10 B     D       -0.349  0.443 
# # ... with 26 more rows

crossing(a=x$CTY, b=x$CTY) %>%
  transmute(a1 = pmin(a,b), b1 = pmax(a,b)) %>%
  distinct() %>%
  rowwise() %>%
  do(bind_cols(.,
               purrr::map2_dfc(.$a1, .$b1,
                               ~ as.data.frame(cor.test(y[,.x], y[,.y])[c("estimate", "p.value")]))
               )) %>%
  ungroup()
# # A tibble: 21 x 4 ...