边上无重复值的R-相关矩阵

我的数据看起来像

## data =
##  A B C a b c
##  0 1 0 1 1 0
##  0 0 1 1 0 0
##  1 1 0 0 1 0
##  0 0 1 0 0 1
##  0 1 0 1 1 0
##  1 0 0 0 1 0

如何关联数据以获得如下结果：

##      A    B    C
## a   0.7 -0.2 -0.2 
## b   0.3 -0.5  1.0
## c  -0.7  0.4 -1.0

我受此启发，我想制作类似的热图。但更多是以这种方式：

---

运行

cor（data）

然后将矩阵裁剪到所需的子矩阵是正确的方法吗？或者我应该运行一些其他函数，而不是

cor（data）

？

，因为所需的子矩阵不是整个矩阵对角线的一个块，我认为没有更好的快捷方式，您应该使用

cor(M)[c("a", "b", "c"), c("A", "B", "C")]
#            A          B          C
# a -0.7071068  0.3333333  0.0000000
# b  0.5000000  0.7071068 -1.0000000
# c -0.3162278 -0.4472136  0.6324555

---

或者仅仅是

cor（M）[4:6，1:3]

您的预期结果中的行名不应该是

a，b，c

？它们应该是-打字

cor

可以包含两个矩阵/数据帧，所以也许可以尝试

cor（d[c（“a”，“b”，“c”）]，d[c（“a”，“b”，“c”））

（或者一些不太硬的东西）？您的答案和@Henrik

cor d[c（“a”，“b”，“c”）]，d[c（“A”、“B”、“c”））

给出了相同的结果。如果我有大数据集，@Henrik answer更有效吗？@Everettss，是的，应该是。然而，数据集应该非常大，这样才能获得显著的收益，因为计算相关性并不需要。效率的提高来自于这样一个事实，给定

k

变量，

cor（M）

计算

k（k+1）/2

相关系数，然后你将它们的子集，比如说，

k^2/4

（如果我们把变量集分成两半，就像你的例子中那样）。因此，对于较大的

k

和中等数量的观察，增益应该很小，而在相反的情况下，增益应该更高。