关联其列名与 r 数据帧中每一行中两个变量的值匹配的向量

Question

我在 r (link) 中有这个数据框（下面的行和列示例）

FocalID     Mother   Adelaide Asimov Austen Brazzaville Lusaka Kinshasa
Adelaide    HalfEar    0      0.0380 0.0417      0.0366 0.0278   0.0385
Asimov      Lusaka     0.0380 0      0.0845      0.0357 0.169    0.0641
Austen      Kinshasa   0.0417 0.0845 0           0.0526 0.0952   0.0411
Brazzaville NA         0.0366 0.0357 0.0526      0      0.0395   0.0488

我想添加一个新变量 df$cor，其中每一行的值都是相关的结果。相关性应该在两个向量之间：(1) colname 对应于该行中变量 df$FocalID 值的列，以及 (2) colname 对应于该行中变量 df$Mother 值的列.

如果对应于与母亲姓名匹配的列的向量不存在（因为母亲未知（df$Mother 中的 NA）或 colnames 中不存在），相关性应该产生 NA。

我试过以下代码：

df$cor <- cor(df[, colnames(df) %in% df$FocalID], df[, colnames(df) %in% df$Mother])

不过，结果好像不太对。有什么想法吗？

Answer 1

如果我们需要对每个成对列执行此操作，我们会检查 'FocalID'、'Mother' 列是否为 complete.cases 的非 NA。然后，循环指定仅对非 NA 列进行子集化的列，使用 apply 和 MARGIN = 1，检查这些元素是否是 %in% 数据集的列名，select 数据，应用 cor 并创建新列 Cor

i1 <-  complete.cases(df[1:2])
df$Cor <- NA_real_
df$Cor[i1] <-  apply(df[i1, 1:2], 1, function(x) 
   if(all(x %in% names(df))) cor(df[, x[1]], df[, x[2]]) else NA)

-输出

df$Cor
#[1]          NA  0.09769710  0.26956397          NA  0.04820137 -0.07776837          NA  0.19553956 -0.09596063          NA  0.04806345
#[12]  0.66489746          NA          NA          NA -0.04254666 -0.05975570  0.47359966  0.09745244          NA          NA  0.24750130
#[23]          NA          NA          NA          NA          NA          NA          NA          NA  0.10822526          NA  0.07093166
#[34]          NA          NA -0.18088278 -0.17548394  0.11585058  0.07278060  0.36327624  0.10178624          NA          NA          NA
#[45]  0.20491334          NA

或使用 dplyr

中的 rowwise

library(dplyr)
df <- df %>%
        rowwise %>% 
        mutate(Cor = if(!is.na(FocalID) & !is.na(Mother) & 
           all(c(FocalID, Mother) %in% names(.)))
          cor(df[[FocalID]], df[[Mother]]) else NA_real_)

数据

library(readxl)
df <- read_excel(file.choose(), na = "NA")

关联其列名与 r 数据帧中每一行中两个变量的值匹配的向量

Correlate vectors whose colnames match the values of two variables in each row in r dataframe

r

vector

correlation

columnname

name-matching

数据