计算R中数据帧A的所有列和数据帧B的所有列之间的相关性p值

我有两个数据帧A和B。我想计算A的所有列和B的所有列之间的相关系数和伴随的p值

对于相关系数，使用

cor（）

函数进行计算。但是，使用

cor.test（）

不可能实现类似的功能。如何执行此操作？

显示查找4个变量的p值的答案 为p值创建一个方阵 显示查找4个变量p值的答案 为p值创建一个方阵

---

下面是处理两个数据帧的简单方法。首先做一些数据：

set.seed(42)
A <- data.frame(matrix(rnorm(100), 25))
B <- data.frame(A + matrix(rnorm(100, 0, .1), 25))

该列表包括每个相关性测试的所有信息，例如

all[[1]]
#   Pearson's product-moment correlation
# 
# data:  A[, x] and B[, y]
# t = 61.1, df = 23, p-value <2e-16
# alternative hypothesis: true correlation is not equal to 0
# 95 percent confidence interval:
#  0.99295 0.99867
# sample estimates:
#     cor 
# 0.99694 

all[[1]]
#皮尔逊积矩相关
# 
#数据：A[，x]和B[，y]
#t=61.1，df=23，p值这里是处理两个数据帧的简单方法。首先做一些数据：

set.seed(42)
A <- data.frame(matrix(rnorm(100), 25))
B <- data.frame(A + matrix(rnorm(100, 0, .1), 25))

该列表包括每个相关性测试的所有信息，例如

all[[1]]
#   Pearson's product-moment correlation
# 
# data:  A[, x] and B[, y]
# t = 61.1, df = 23, p-value <2e-16
# alternative hypothesis: true correlation is not equal to 0
# 95 percent confidence interval:
#  0.99295 0.99867
# sample estimates:
#     cor 
# 0.99694 

all[[1]]
#皮尔逊积矩相关
# 
#数据：A[，x]和B[，y]
#t=61.1，df=23，p值这是否回答了您的问题？@GordonShumway的链接提供了一个答案。可适用于两个df的情况。如果你做不到，说点什么，我会发布代码。@GordonShumway和Rui Barradas，谢谢你的帮助，我能得到我想要的！这回答了你的问题吗？@GordonShumway的链接提供了一个答案。可适用于两个df的情况。如果你做不到，说点什么，我会发布代码。@GordonShumway和Rui Barradas，谢谢你的帮助，我能得到我想要的！
all[[1]]
#   Pearson's product-moment correlation
# 
# data:  A[, x] and B[, y]
# t = 61.1, df = 23, p-value <2e-16
# alternative hypothesis: true correlation is not equal to 0
# 95 percent confidence interval:
#  0.99295 0.99867
# sample estimates:
#     cor 
# 0.99694 

# Results with A=rows, and B=columns
corrs <- matrix(sapply(x, "[[", "estimate"), ncol(A))
pvals <- matrix(sapply(x, "[[", "p.value"), ncol(A))
round(corrs, 4)
#         [,1]    [,2]    [,3]    [,4]
# [1,]  0.9969 -0.0870 -0.3249 -0.0690
# [2,] -0.0582  0.9964 -0.1256 -0.1166
# [3,] -0.3216 -0.1456  0.9955  0.1324
# [4,] -0.0765 -0.1497  0.1411  0.9958
round(pvals, 4)
#        [,1]   [,2]   [,3]   [,4]
# [1,] 0.0000 0.6794 0.1130 0.7431
# [2,] 0.7822 0.0000 0.5498 0.5788
# [3,] 0.1169 0.4873 0.0000 0.5282
# [4,] 0.7161 0.4750 0.5010 0.0000