我有 22 个变量，我想得到相关分数，不是作为相关矩阵，而是在数据框中，成对......
我的意思是...不是这样
v1 v2 v3 v4
v1 1 x x x
v2 x 1 x x
v3 x x 1 x
v4 x x x 1
但像这样:
var1 var2 cor
v1 v2 x
v1 v3 x
v1 v4 x
v2 v3 x
v2 v4 x
v3 v4 x
我是 R 的新手，我一直在研究很多，最后我得到了一个代码，真诚地，根本没有效率......我的代码创建了一个巨大的数据框，其中包含 22 个变量的所有可能组合(其中是 4194304 组合......很多!!!)......然后代码只为前 211 行分配相关性，这是只有 2 个变量的组合......然后我排除了所有我不感兴趣的东西. 嗯......我得到了我需要的东西。但我确信这是一种非常愚蠢的方法，我想学习一种更好的方法......
有小费吗？
我的代码:
#Getting the variable names from the data frame
av_variables<-variable.names(data.1)
#Creating a huge data frame for all possible combinations
corr_combinations <- as.data.frame(matrix(1,0,length(av_variables)))
for (i in 1:length(av_variables)){
corr_combinations.i <- t(combn(av_variables,i))
corr_combinations.new <- as.data.frame(matrix(1,length(corr_combinations.i[,1]),length(av_variables)))
corr_combinations.new[,1:i] <- corr_combinations.i
corr_combinations <- rbind(corr_combinations,corr_combinations.new)
#How many combinations for 0:2 variables?
comb_par_var<-choose(20, k=0:2)
##211
#A new column to recieve the values
corr_combinations$cor <- 0
#Getting the correlations and assigning to the empty column
for (i in (length(av_variables)+1):(length(av_variables)+ sum(comb_par_var) +1)){
print(i/length(corr_combinations[,1]))
corr_combinations$cor[i] <- max(as.dist(abs(cor(data.1[,as.character(corr_combinations[i,which(corr_combinations[i,]!=0&corr_combinations[i,]!=1)])]))))
# combinations$cor[i] <- max(as.dist(abs(cor(data.0[,as.character(combinations[i,combinations[i,]!=0&combinations[i,]!=1])]))))
}
#Keeping only the rows with the combinations of 2 variables
corr_combinations[1:(length(av_variables)+ sum(comb_par_var) +2),21]
corr_combinations<-corr_combinations[1:212,]
corr_combinations<-corr_combinations[21:210,]
#Keeping only the columns var1, var2 and cor
corr_combinations<-corr_combinations[,c(1,2,21)]
#Ordering to keep only the pairs with correlation >0.95,
#which was my purpose the whole time
corr_combinations <- corr_combinations[order(corr_combinations$cor),]
corr_combinations<-corr_combinations[corr_combinations$cor >0.95, ]
}
最佳答案
您可以一次性计算完整的相关矩阵。然后你只需要 reshape 。一个例子，
cr <- cor(mtcars)
# This is to remove redundancy as upper correlation matrix == lower
cr[upper.tri(cr, diag=TRUE)] <- NA
reshape2::melt(cr, na.rm=TRUE, value.name="cor")
关于r - 组合对的相关性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45825685/