找到一对最相关的变量

Question

假设我有一个由 20 列（变量）组成的数据框，并且所有列都是数字。我总是可以使用 R 中的 cor 函数来获取矩阵形式的相关系数，或者实际可视化相关矩阵（也标记相关系数）。假设我只想根据相关系数值对对进行排序，如何在 R 中执行此操作？

Answer 1

使用corrr的解决方案：

corrr is a package for exploring correlations in R. It focuses on creating and working with data frames of correlations

library(corrr)
matrix(rnorm(100), 5) %>%
    correlate() %>% 
    stretch() %>% 
    arrange(r)

解决方案使用reshape2 & data.table:

您可以 reshape2::melt（使用 data.table 导入）cor 结果并根据相关值排序（排序）。

library(data.table)
corMatrix <- cor(matrix(rnorm(100), 5))
setDT(melt(corMatrix))[order(value)]

Answer 2

dplyr + tidyr 解法：

set.seed(123)
mat = matrix(rnorm(50), nrow = 10, ncol = 5)
colnames(mat) = paste0("X", 1:5)

library(dplyr)
library(tidyr)

cor(mat) %>%
  as.data.frame() %>%
  mutate(var1 = rownames(.)) %>%
  gather(var2, value, -var1) %>%
  arrange(desc(value))

因为我们知道相关矩阵是对称的 (cor(X1, X2)==cor(X2, X1))，我们可以 group_by values 列并删除重复项：

cor(mat) %>%
  as.data.frame() %>%
  mutate(var1 = rownames(.)) %>%
  gather(var2, value, -var1) %>%
  arrange(desc(value)) %>%
  group_by(value) %>%
  filter(row_number()==1)

结果：

# A tibble: 11 x 3
# Groups:   value [11]
    var1  var2       value
   <chr> <chr>       <dbl>
 1    X1    X1  1.00000000
 2    X4    X1  0.67301956
 3    X2    X1  0.57761512
 4    X4    X2  0.27131880
 5    X5    X4  0.07453706
 6    X5    X3  0.02265933
 7    X5    X2 -0.25201740
 8    X5    X1 -0.34863673
 9    X3    X1 -0.40595930
10    X4    X3 -0.43726491
11    X3    X2 -0.56734869

找到一对最相关的变量

Find the pair of most correlated variables

sorting

r

dataframe

pearson-correlation