R:Pearson相关rcorr（x，y）[x=矩阵，y=向量]忽略y

我有一个不同细胞系中2000个基因表达的矩阵

x

（30x2000）和一个连续可变结果的载体

y

（30x1）。我想计算每个基因和结果之间的Pearson相关性，因此，我希望得到一个2000x1的r值向量。我使用了

rcorr（x，y）

，但结果是一个2000x2000矩阵，所以我猜它忽略了

y

，并根据所有基因计算所有基因（手册上说：

x=至少有5行和2列的数字矩阵（如果没有y）

---

但是我可以有多个列并且也有

y

吗？我必须使用不同的函数吗？

您需要

在
x
矩阵的列中应用
cor
函数

apply( x , 2 , cor , y = y )

可复制的例子
#用于再现数据
种子（1）
#3 x 4矩阵
x使用函数
cor
将起作用。通常，如果
x
是MxN
y
是MxP，那么
cor（x，y）
将是一个NxP矩阵，其中条目（i，j）是
x[，i]
和
y[，j]
之间的相关性

以SimonO101的可复制示例为基础：

> set.seed(1)
> x <- matrix( runif(12) , nrow = 3 )
> y <- runif(3)
> cor(x,y)
           [,1]
[1,]  0.3712437
[2,]  0.9764443
[3,]  0.2249998
[4,] -0.4903723

你不需要在这里使用
apply
。只要
cor（x，y）
就可以了，或者如果你想把它作为向量而不是矩阵
array（cor（x，y））
@mrip，你完全正确。为什么不把它作为一个答案添加进来呢？谢谢@mrip，@SimonO101。
rcorr
返回3个矩阵（r，n，p）.可以通过使用
apply
来调整
rcorr
，这样也可以得到p值向量吗？或者
cor
的一些选项也可以得到p值向量吗？我不熟悉
rcorr
，但它听起来像是
apply（x，2，函数（a，b）{rcorr（a，b）$p}，y）
应该给出
p
矩阵。
> set.seed(1)
> x <- matrix( runif(12) , nrow = 3 )
> y <- runif(3)
> cor(x,y)
           [,1]
[1,]  0.3712437
[2,]  0.9764443
[3,]  0.2249998
[4,] -0.4903723

> array(cor(x,y))
[1]  0.3712437  0.9764443  0.2249998 -0.4903723