获取:“;cor(数据)错误:';x';必须是数字“;确定数据帧中两个变量之间的相关性时
你的变量就是因素。转换为数字。它是复杂的,但首先转换为字符(从因子转换直接导致怪异)获取:“;cor(数据)错误:';x';必须是数字“;确定数据帧中两个变量之间的相关性时,r,R,你的变量就是因素。转换为数字。它是复杂的,但首先转换为字符(从因子转换直接导致怪异) 库(dplyr) H%变异(跨越(everything(),~as.numeric(as.character()) 这些typeof(数据$V1)和typeof(数据$V2)的结果是什么?两者都是整数@LocoGrisCan您可以共享dput(H)结构的输出(列表(V1=结构(c(7L、10L、2L、1L、13L、6L、3L、15L、8L、12L、11L、4L、9L、5L、14L),.Label=c(“0.76
库(dplyr)
H%变异(跨越(everything(),~as.numeric(as.character())
这些typeof(数据$V1)和typeof(数据$V2)的结果是什么?两者都是整数@LocoGrisCan您可以共享dput(H)结构的输出(列表(V1=结构(c(7L、10L、2L、1L、13L、6L、3L、15L、8L、12L、11L、4L、9L、5L、14L),.Label=c(“0.769”、“1.432”、“1.944”、“10.298”、“24.566”、“34.955”、“36.016”、“39.332”、“44.315”、“5.177”、“5.202”、“50.808”、“53.228”、“6.861”、“71.674”类系数),V2=结构(c(13L,4L,3L,1L,12L,14L,5L,11L,9L,7L,5L,6L,8L,10L,2L),.Label=c(“64.7”,“67.1”,“71.3”,“72.0”,“72.6”,“72.7”,“77.8”,“77.9”,“78.5”,“78.8”,“79.5”,“80.3”,“80.5”,“81.3”),class=”factor”)),class=“data.frame”,row.names=c(NA,-15L))输出在前面的注释@LocoGris中
library(dplyr)
H <- H %>% mutate(across(everything(), ~as.numeric(as.character(.))))