1列中2组之间的相关性

Posted 2023-01-07

我有一个数据集，其中有450.000列和660行。 前330行是组“ A”，后330行是“ B”。 我想计算A组和B组之间每列的相关性。

到目前为止，我设法：

setkey(df, group)
cor(df["A"]$value, df["B"]$value)

返回第一列的两组之间的相关性。

但是，我想对所有450.000列执行此操作，在该列中，我会获得一个新数据框，其中包含列名和两组之间的相关性。

此外，我必须考虑到group A的第一行（第1行）与group B的第一行（行331），组A的第二行与组B的第二行（行2和行332）相关。 ） 等等。

这里有人知道如何在R中实现吗？

谢谢你们。

答案

# sample data
df = data.frame(a=runif(660,1,10),b=runif(660,1,10),c=runif(660,1,10))

data.frame(corr=sapply(df,function(x) cor(x[1:330],x[331:nrow(df)])))

输出：

         corr
a -0.05902668
b  0.03443904
c -0.09899892

另一答案

这是一个purrr解决方案。 map_df返回一个数据帧。

样本数据：

df<-data.frame(a1=rnorm(660,50,20),a2=rnorm(660,50,20))

并且，每一列中的组（a和b）之间的相关性：

library(purrr)
map_df(df, ~cor(.[1:330],.[331:660]))

退货

# A tibble: 1 × 2
#           a1           a2
#        <dbl>        <dbl>
#1 -0.09949217 -0.008308669

另一答案

尝试遍历所有列。

df<-data.frame(a1=rnorm(660),a2=rnorm(660))
cordf<-numeric()
for(i in 1:ncol(df))cordf[i]<-cor(df[1:330,i],df[331:660,i])
names(cordf)<-names(df) 

cordf包含前330行与后330行之间的相关性，并以数据帧中的原始变量名称命名。