R：测试变量是否包含相同的信息

假设我在一个数据集中有两个变量，它们包含相同的信息，比如“男性”和“女性”（假设只有两种性别，并且没有缺失数据）。如何测试这两列是否包含相同的信息，从而允许我删除其中一列

我曾考虑过检查包含它们的矩阵的秩，但显然这样的矩阵是满秩的，即使列之间显然相互依赖

编辑：我指的是两个变量，例如：

M F
1 0
1 0
0 1
0 1
1 0

---

显然，这两个变量包含相同的信息。我如何测试它呢？

可能是这样的

x = rep(c("Male"), each = 10)
y = rep(c("Female"),each = 10)
fm = matrix(data = c(x,y), ncol = 2)

fm[,1] == fm[,2]

---

已编辑

根据您的说明，您可以使用成对相关性来检测数据列之间的正相关性和负相关性，例如：

# create example data matrix matrix; add a fourth column that is inverse
# of the third one
> set.seed(1)
> x <- matrix(sample(0:1, 15, replace=TRUE), ncol=3)
> x <- cbind(x, ifelse(x[,3] == 0, 1, 0))
> x
     [,1] [,2] [,3] [,4]
[1,]    0    1    0    1
[2,]    0    1    0    1
[3,]    1    1    1    0
[4,]    1    1    0    1
[5,]    0    0    1    0

#创建示例数据矩阵；添加倒数第四列
#第三个
>种子（1）
>x x x
[,1] [,2] [,3] [,4]
[1,]    0    1    0    1
[2,]    0    1    0    1
[3,]    1    1    1    0
[4,]    1    1    0    1
[5,]    0    0    1    0

接下来，构造一个相关矩阵。由于要忽略自相关性，对角线设置为零

然后，我们测试每一列，看看它与其他列的相关性的最大绝对值是否等于1，这表明这些列包含相同的信息

> cormat <- cor(x)
> diag(cormat) <- 0
> apply(cormat, 2, function(x) { max(abs(x)) == 1 })
[1] FALSE FALSE  TRUE  TRUE

>cormat diag（cormat）apply（cormat，2，函数（x）{max（abs（x））==1}）
[1] 假假真

嗨，诺亚，你能举例说明你的意思吗？你的意思是这些列是相同的（相同的值，相同的顺序），还是它们具有相同的因子级别？如果你想使用矩阵的秩，你需要添加一列1。如果你加上这些，那么即使有三列，结果矩阵的秩仍然是2而不是3。例如，它们的相关性为1或-1，因此你可以测试哪些是多余的

apply（cor（df），1，function（x）{any（abs（x）=1）}

，虽然如果有倍数，你必须查看

cor（df）

，以了解它们是如何配对的。两列的样本空间在本质上是二进制的吗？@alistaire这是一个很好的洞察，我就这样实现了它。对于可能遇到此问题的其他人，您将希望使用

all.equal（）

而不是

=

进行检查。如果有人发现此方法中存在潜在的缺陷，请告诉我，但它确实实现了我希望它实现的目标。我指的不是相同的列，我指的是列，例如，v1=1-V2您考虑过使用两列之间的相关性吗？@Noah，更新以反映澄清。以上是基于我最初答案中的第二个建议。不，这只是测试一列中的每个值是否等于另一列中的相应值。我想测试变量在信息上是否冗余，而不是在值上相等。