聚合相关性（R:：dplyr）

我试图在数据帧的不同子集上计算相关矩阵。我发现这段代码用于计算数据框中两个变量之间的相关性：

library(dplyr)
mtcars %>% group_by(cyl) %>% summarise(V1=cor(hp,wt))

但是我想计算数据框中几个变量之间的相关矩阵。我希望这是返回（最好）作为相关矩阵列表。比如：

mtcars %>% group_by(cyl) %>% cor(data.frame(hp,wt,qsec)

---

我可以用dplyr做这个吗？

在我看来，由或dlply制作的好老

在这里更好，但是如果你真的想用
dplyr
，我想你可以用
do
：

o <- mtcars %>% group_by(cyl) %>% do(cor=cor(cbind(.$hp, .$wt, .$qsec)))
# Source: local data frame [3 x 2]
# Groups: <by row>

#   cyl        cor
# 1   4 <dbl[3,3]>
# 2   6 <dbl[3,3]>
# 3   8 <dbl[3,3]>

使用基本R和
by
：

o <- by(mtcars[, c('hp', 'wt', 'qsec')], mtcars$cyl, cor, simplify=F)

在我看来，由

或dlply编写的好老

在这里更好，但是如果你真的想使用
dplyr
，我想你可以使用
do
：

o <- mtcars %>% group_by(cyl) %>% do(cor=cor(cbind(.$hp, .$wt, .$qsec)))
# Source: local data frame [3 x 2]
# Groups: <by row>

#   cyl        cor
# 1   4 <dbl[3,3]>
# 2   6 <dbl[3,3]>
# 3   8 <dbl[3,3]>

使用基本R和
by
：

o <- by(mtcars[, c('hp', 'wt', 'qsec')], mtcars$cyl, cor, simplify=F)

在我看来，由

或dlply编写的好老

在这里更好，但是如果你真的想使用
dplyr
，我想你可以使用
do
：

o <- mtcars %>% group_by(cyl) %>% do(cor=cor(cbind(.$hp, .$wt, .$qsec)))
# Source: local data frame [3 x 2]
# Groups: <by row>

#   cyl        cor
# 1   4 <dbl[3,3]>
# 2   6 <dbl[3,3]>
# 3   8 <dbl[3,3]>

使用基本R和
by
：

o <- by(mtcars[, c('hp', 'wt', 'qsec')], mtcars$cyl, cor, simplify=F)

在我看来，由

或dlply编写的好老

在这里更好，但是如果你真的想使用
dplyr
，我想你可以使用
do
：

o <- mtcars %>% group_by(cyl) %>% do(cor=cor(cbind(.$hp, .$wt, .$qsec)))
# Source: local data frame [3 x 2]
# Groups: <by row>

#   cyl        cor
# 1   4 <dbl[3,3]>
# 2   6 <dbl[3,3]>
# 3   8 <dbl[3,3]>

使用基本R和
by
：

o <- by(mtcars[, c('hp', 'wt', 'qsec')], mtcars$cyl, cor, simplify=F)

这是一个老问题，但我在这里更新，以防对大家有所帮助

您可以使用
purrr
包中的函数将包含相关矩阵的TIBLE转换为可进一步操作的对象列表

具体来说，要扩展@mathematic.coffee提供的答案：

库（tidyverse）
数据（mtcars）
mtcars%>%
dplyr：：分组人（气缸）%>%
dplyr:：do（cor=cor（cbind（.$hp、.$wt、.$qsec））%%
purrr:：transpose（）%>%#%#这是一个老问题，但我在这里更新，以防对大家有所帮助

您可以使用
purrr
包中的函数将包含相关矩阵的TIBLE转换为可进一步操作的对象列表

具体来说，要扩展@mathematic.coffee提供的答案：

库（tidyverse）
数据（mtcars）
mtcars%>%
dplyr：：分组人（气缸）%>%
dplyr:：do（cor=cor（cbind（.$hp、.$wt、.$qsec））%%
purrr:：transpose（）%>%#%#这是一个老问题，但我在这里更新，以防对大家有所帮助

您可以使用
purrr
包中的函数将包含相关矩阵的TIBLE转换为可进一步操作的对象列表

具体来说，要扩展@mathematic.coffee提供的答案：

库（tidyverse）
数据（mtcars）
mtcars%>%
dplyr：：分组人（气缸）%>%
dplyr:：do（cor=cor（cbind（.$hp、.$wt、.$qsec））%%
purrr:：transpose（）%>%#%#这是一个老问题，但我在这里更新，以防对大家有所帮助

您可以使用
purrr
包中的函数将包含相关矩阵的TIBLE转换为可进一步操作的对象列表

具体来说，要扩展@mathematic.coffee提供的答案：

库（tidyverse）
数据（mtcars）
mtcars%>%
dplyr：：分组人（气缸）%>%
dplyr:：do（cor=cor（cbind（.$hp、.$wt、.$qsec））%%
purrr:：transpose（）%%>%#%#它计算每个单独的
cyl
的
hp
和
wt
之间的相关性。它计算每个单独的
cyl
的
hp
和
wt
之间的相关性。它计算每个单独的
cyl
的
hp
和
wt
之间的相关性。它是为每个单独的
cyl
计算
hp
和
wt
之间的相关性。非常感谢。这个答案非常全面@mathematic.coffee。我并没有致力于dplyr，我只是在努力学习。也许有一天我会发展到一个启蒙阶段，在这个阶段，所有的数据操作都会简化为基本的R命令<代码>do.call（rbind，lappy（o，`[`，lower.tri（o[[1]]））
或类似的呼叫后的
将允许每组一个接一个地报告双变量相关性。非常感谢。这个答案非常全面@mathematic.coffee。我不致力于dplyr，我现在只是尝试学习它。也许有一天我会发展到启蒙阶段所有数据操作都简化为基本的R命令。：）do.call（rbind，lappy（o，`[`，lower.tri（o[[1]]））
或类似的呼叫后的
将允许每组一个接一个地报告双变量相关性。非常感谢。这个答案非常全面@mathematic.coffee。我不致力于dplyr，我现在只是尝试学习它。也许有一天我会发展到启蒙阶段所有数据操作都简化为基本的R命令。：）do.call（rbind，lappy（o，`[`，lower.tri（o[[1]]））
或类似的呼叫后的
将允许每组一个接一个地报告双变量相关性。非常感谢。这个答案非常全面@mathematic.coffee。我不致力于dplyr，我现在只是尝试学习它。也许有一天我会发展到启蒙阶段所有数据操作都简化为基本的R命令。：
do.call（rbind，lappy（o，`[`，lower.tri（o[[1]]）
或类似于
by
调用后的操作将允许为每组逐个报告双变量相关性。