使用purrr和嵌套data.frame计算批量成对相关性

我想计算mtcars数据集中每个cyl的“mpg”和所有其他感兴趣的数值变量之间的成对相关性。我想采用整洁数据原则

使用

corrr:：correlate（）

非常简单

---

这对你有用吗？我在过去做过这项工作，但只在较小的数据集上进行，并且没有对其进行基准测试，因此对性能没有把握。我使用

pivot\u longer

在嵌套之前重塑数据。您传递的变量基本上是作为过滤步骤工作的

mtcars2 <- mtcars[,1:7] %>%
  pivot_longer(c(-mpg, -cyl), names_to = "y.var", values_to = "value" ) %>% 
  group_nest(cyl, y.var) %>%
  mutate(x.var  = "mpg", #just so you  can see this in the output
    cor = map_dbl(data, ~ {cor <- cor.test(.x$mpg, .x$value)
                                cor$estimate})) %>%
  select(data, cyl, x.var , y.var, cor) %>% 
  arrange(cyl, y.var)

mtcars2%
轴长（c（-mpg，-cyl），名称为“\u to=“y.var”，值为“\u to=“value”）%>%
组嵌套（循环，y.var）%>%
mutate（x.var=“mpg”），以便您可以在输出中看到这一点
cor=map\u dbl（数据，{cor%
选择（数据、气缸、x.var、y.var、cor）%>%
排列（循环，y.var）

这对您有用吗？我以前做过，但只在较小的数据集上做过，没有对其进行基准测试，因此无法确定性能。我使用

pivot\u long

在嵌套之前对数据进行重塑。传递的变量基本上是作为过滤步骤，某种程度上

mtcars2 <- mtcars[,1:7] %>%
  pivot_longer(c(-mpg, -cyl), names_to = "y.var", values_to = "value" ) %>% 
  group_nest(cyl, y.var) %>%
  mutate(x.var  = "mpg", #just so you  can see this in the output
    cor = map_dbl(data, ~ {cor <- cor.test(.x$mpg, .x$value)
                                cor$estimate})) %>%
  select(data, cyl, x.var , y.var, cor) %>% 
  arrange(cyl, y.var)

mtcars2%
轴长（c（-mpg，-cyl），名称为“\u to=“y.var”，值为“\u to=“value”）%>%
组嵌套（循环，y.var）%>%
mutate（x.var=“mpg”），以便您可以在输出中看到这一点
cor=map\u dbl（数据，{cor%
选择（数据、气缸、x.var、y.var、cor）%>%
排列（循环，y.var）

如果您需要使用cor.test，下面是使用扫帚的选项：

library(broom)
library(tidyr)
library(dplyr)

mtcars[,1:7] %>% 
pivot_longer(-c(mpg,cyl)) %>% 
group_by(cyl,name) %>% 
do(tidy(cor.test(.$mpg,.$value)))

# A tibble: 15 x 10
# Groups:   cyl, name [15]
     cyl name  estimate statistic p.value parameter conf.low conf.high method
   <dbl> <chr>    <dbl>     <dbl>   <dbl>     <int>    <dbl>     <dbl> <chr> 
 1     4 disp   -0.805     -4.07  0.00278         9   -0.947   -0.397  Pears…
 2     4 drat    0.424      1.41  0.193           9   -0.236    0.816  Pears…
 3     4 hp     -0.524     -1.84  0.0984          9   -0.855    0.111  Pears…
 4     4 qsec   -0.236     -0.728 0.485           9   -0.732    0.424  Pears…
 5     4 wt     -0.713     -3.05  0.0137          9   -0.920   -0.198  Pears…
 6     6 disp    0.103      0.232 0.826           5   -0.705    0.794  Pears…
 7     6 drat    0.115      0.258 0.807           5   -0.699    0.799  Pears…

---

如果您需要使用cor.test，下面是使用扫帚的选项：

library(broom)
library(tidyr)
library(dplyr)

mtcars[,1:7] %>% 
pivot_longer(-c(mpg,cyl)) %>% 
group_by(cyl,name) %>% 
do(tidy(cor.test(.$mpg,.$value)))

# A tibble: 15 x 10
# Groups:   cyl, name [15]
     cyl name  estimate statistic p.value parameter conf.low conf.high method
   <dbl> <chr>    <dbl>     <dbl>   <dbl>     <int>    <dbl>     <dbl> <chr> 
 1     4 disp   -0.805     -4.07  0.00278         9   -0.947   -0.397  Pears…
 2     4 drat    0.424      1.41  0.193           9   -0.236    0.816  Pears…
 3     4 hp     -0.524     -1.84  0.0984          9   -0.855    0.111  Pears…
 4     4 qsec   -0.236     -0.728 0.485           9   -0.732    0.424  Pears…
 5     4 wt     -0.713     -3.05  0.0137          9   -0.920   -0.198  Pears…
 6     6 disp    0.103      0.232 0.826           5   -0.705    0.794  Pears…
 7     6 drat    0.115      0.258 0.807           5   -0.699    0.799  Pears…

---

非常感谢。这是一个很好的解决方案。但是我在理解do（）函数时遇到了问题。另外，我想问一下，如果变量cyl不是数字，我如何修改第二个解决方案。当您使用group_by（）时然后是Summary或tally等。如果您想在group_by下的每个组上使用非dplyr函数或自定义函数，它将是do（）…它不必是数字，我只使用mtcars$cyl进行拆分。您注意到了一个好的点，我没有在列中排除cyl进行关联，我现在可以更正这一点。谢谢。第二种解决方案对大型数据集非常有用。非常感谢。这是一个很好的解决方案。但是我在理解do（）时遇到了问题函数。另外，我想问一下，如果变量cyl不是数字，我如何修改第二个解决方案。当您执行group_by（）后接say SUMMARE或tally等操作时。如果您想在group_by下的每个组上使用非dplyr函数或自定义函数，它将是do（）…它不必是数字，我只使用mtcars$cyl进行拆分。你注意到了一个好的点，我没有在列中排除cyl进行关联，我现在可以更正。谢谢。第二种解决方案对大型数据集非常有用。谢谢。这对我来说很有效。你能简单解释一下花括号部分吗？我不知道它是如何实现的有效。谢谢。这对我有效。你能简单解释一下花括号的部分吗？我不知道它是怎么工作的。

#define columns to correlate
cor_vars = setdiff(colnames(mtcars)[1:7],"cyl")
split(mtcars[,1:7],mtcars$cyl) %>% 
map_dfr(~data.frame(x="mpg",y=cor_vars,
cyl=unique(.x$cyl),rho=as.numeric(cor(.x$mpg,.x[,cor_vars]))))

     x    y cyl         rho
1  mpg  mpg   4  1.00000000
2  mpg disp   4 -0.80523608
3  mpg   hp   4 -0.52350342
4  mpg drat   4  0.42423947
5  mpg   wt   4 -0.71318483
6  mpg qsec   4 -0.23595389
7  mpg  mpg   6  1.00000000
8  mpg disp   6  0.10308269
9  mpg   hp   6 -0.12706785
10 mpg drat   6  0.11471598
11 mpg   wt   6 -0.68154982
12 mpg qsec   6 -0.41871779
13 mpg  mpg   8  1.00000000
14 mpg disp   8 -0.51976704
15 mpg   hp   8 -0.28363567
16 mpg drat   8  0.04793248
17 mpg   wt   8 -0.65035801
18 mpg qsec   8 -0.10433602