计算相关性 – cor（） – 仅用于列的一个子集
我有一个数据框，并希望计算相关性 （与斯皮尔曼，数据是分类和排名），但只为列的一个子集。 我尝试了所有，但是R的cor （）函数只接受数字数据（x必须是数字，表示错误信息），即使使用Spearman也是如此。
一个粗暴的方法是从数据框中删除非数字列。 这不是优雅，因为速度我还是不想计算所有列之间的相关性。
我希望有一种方法可以简单地说“计算列x，y，z的相关性”。 列引用可以按编号或按名称。 我想灵活的方式来提供他们将通过vector。
任何build议表示赞赏。
如果有一个数据框，其中一些列是数字，另一些是其他（字符或因子），而您只想执行数字列的相关性，则可以执行以下操作：
set.seed(10) x = as.data.frame(matrix(rnorm(100), ncol = 10)) x$L1 = letters[1:10] x$L2 = letters[11:20] cor(x) Error in cor(x) : 'x' must be numeric 但
cor(x[sapply(x, is.numeric)]) V1 V2 V3 V4 V5 V6 V7 V1 1.00000000 0.3025766 -0.22473884 -0.72468776 0.18890578 0.14466161 0.05325308 V2 0.30257657 1.0000000 -0.27871430 -0.29075170 0.16095258 0.10538468 -0.15008158 V3 -0.22473884 -0.2787143 1.00000000 -0.22644156 0.07276013 -0.35725182 -0.05859479 V4 -0.72468776 -0.2907517 -0.22644156 1.00000000 -0.19305921 0.16948333 -0.01025698 V5 0.18890578 0.1609526 0.07276013 -0.19305921 1.00000000 0.07339531 -0.31837954 V6 0.14466161 0.1053847 -0.35725182 0.16948333 0.07339531 1.00000000 0.02514081 V7 0.05325308 -0.1500816 -0.05859479 -0.01025698 -0.31837954 0.02514081 1.00000000 V8 0.44705527 0.1698571 0.39970105 -0.42461411 0.63951574 0.23065830 -0.28967977 V9 0.21006372 -0.4418132 -0.18623823 -0.25272860 0.15921890 0.36182579 -0.18437981 V10 0.02326108 0.4618036 -0.25205899 -0.05117037 0.02408278 0.47630138 -0.38592733 V8 V9 V10 V1 0.447055266 0.210063724 0.02326108 V2 0.169857120 -0.441813231 0.46180357 V3 0.399701054 -0.186238233 -0.25205899 V4 -0.424614107 -0.252728595 -0.05117037 V5 0.639515737 0.159218895 0.02408278 V6 0.230658298 0.361825786 0.47630138 V7 -0.289679766 -0.184379813 -0.38592733 V8 1.000000000 0.001023392 0.11436143 V9 0.001023392 1.000000000 0.15301699 V10 0.114361431 0.153016985 1.00000000
对于数字数据你有解决scheme。 但是这是分类数据，你说。 那么生活变得更复杂了
那么，首先：两个分类variables之间的关联量不是用Spearman秩相关来衡量的，而是用卡方检验来衡量的。 其实是逻辑。 排名意味着您的数据中有一些订单。 现在告诉我哪个更大，黄色还是红色？ 我知道，有时候R在分类数据上执行spearman等级相关。 如果我编码黄色1和红色2，R会认为红色比黄色大。
所以，忘记Spearman的分类数据。 我将演示chisqtesting以及如何使用combn（）select列。 但是你会从更多的时间受益于Agresti的书： http ://www.amazon.com/Categoryical-Analysis-Wiley-Probability-Statistics/dp/0471360937
set.seed(1234) X <- rep(c("A","B"),20) Y <- sample(c("C","D"),40,replace=T) table(X,Y) chisq.test(table(X,Y),correct=F) # I don't use Yates continuity correction #Let's make a matrix with tons of columns Data <- as.data.frame( matrix( sample(letters[1:3],2000,replace=T), ncol=25 ) ) # You want to select which columns to use columns <- c(3,7,11,24) vars <- names(Data)[columns] # say you need to know which ones are associated with each other. out <- apply( combn(columns,2),2,function(x){ chisq.test(table(Data[,x[1]],Data[,x[2]]),correct=F)$p.value }) out <- cbind(as.data.frame(t(combn(vars,2))),out)
那么你应该得到：
> out V1 V2 out 1 V3 V7 0.8116733 2 V3 V11 0.1096903 3 V3 V24 0.1653670 4 V7 V11 0.3629871 5 V7 V24 0.4947797 6 V11 V24 0.7259321
其中V1和V2表示在哪些variables之间，“out”表示关联的p值。 这里所有variables都是独立的。 你会期望的，因为我随机创build的数据。
我通过查看由Rattle生成的R脚本find了一个更简单的方法。 它如下所示：
correlations <- cor(mydata[,c(1,3,5:87,89:90,94:98)], use="pairwise", method="spearman")
