R 中带有子集的 cor() 函数

Question

我在 R 中有一个包含三列的 table。我想根据一组特定的条件获得前两列与第三列的子集的相关性（值都是数字，我希望它们大于某个数字）。 cor() 函数似乎没有定义此类子集的参数。

我知道我可以使用 summary(lm()) 函数并对 r^2 求平方根，但问题是我在 for 循环中执行此操作，并且只是附加与我拥有的单独列表的相关性。我真的不能很容易地将回归摘要的一部分附加到列表中。

这是我正在尝试做的事情：

for (i in x) {list[i] = cor(data$column_a, data$column_b, subset = data$column_c > i)}

不过，显然我不能这样做，因为 cor() 函数不适用于子集。

（注意：x = seq(1,100) 和 list = NULL）

Answer 1

您可以先对数据进行子集化，然后找到相关性。

a <- subset(airquality, Temp < 80 & Month > 7)
cor(a$Temp, a$Wind)

编辑：我真的不知道你的 list 变量是什么，但这里有一个基于 i 动态更改子集的示例（查看月份要求如何随着每次迭代而变化)

list <- seq(1, 5)

for (i in 1:5){

  a <- subset(airquality, Temp < 80 & Month > i)
  list[i] <- cor(a$Temp, a$Wind)

}

Answer 2

根据您单独提供的伪代码，以下内容应该有效：

for (i in x) {
    df <- subset(data, column_c > i)
    list[i] = cor(df$column_a, df$column_b)
}

但是，我不知道为什么您希望 list[i] 中的索引与您用于子集 column_c 的值相同。这可能是问题的另一个来源。

Answer 3

您可以使用 lapply 在没有循环的情况下执行此操作。这里有一些代码将输出一个数据框，其中一列是月份范围，另一列是相关性。 do.call(rbind... 业务只是将 lapply 输出的列表转换为数据框。

corrs = do.call(rbind, lapply(min(airquality$Month):max(airquality$Month), 
                              function(x) {
          data.frame(month_range=paste0(x," - ", max(airquality$Month)), 
             correlation = cor(airquality$Temp[airquality$Month >= x & airquality$Temp < 80],
                               airquality$Wind[airquality$Month >= x & airquality$Temp < 80]))
          }))

corrs 
  month_range correlation
1       5 - 9  -0.3519351
2       6 - 9  -0.2778532
3       7 - 9  -0.3291274
4       8 - 9  -0.3395647
5       9 - 9  -0.3823090

R 中带有子集的 cor() 函数

cor() function in R with a subset

r

for-loop

correlation