在 R 中计算所有国家对多年的相关性
Calculate correlation for all country pairs over multiple years in R
我目前面临以下问题：根据我之前的 ，我需要计算国家（Value.x 和 Value.y）之间的相关性多个国家多年。 实现该目标的最佳方法是什么？
预期输出应该是这样的（对于所有国家对和所有年份）。因此，所有相关结果都存储在table/dataframe.
中
correlation country_x country_y Time
0.787812 Germany United States 2000
我的数据集的前 100 行如下所示：
structure(list(LOCATION.x = c("AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS"), Country.x = c("Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia"), IPC = c("A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B"), Time = c(2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L,
2002L, 2002L, 2002L, 2002L, 2002L, 2002L), Value.x = c(3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 1.1944, 1.1944, 1.1944,
1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944,
1.1944, 1.1944, 1.1944), LOCATION.y = c("AUS", "AUT", "BEL",
"CAN", "CZE", "DNK", "FIN", "FRA", "DEU", "GRC", "HUN", "ISL",
"IRL", "ITA", "JPN", "KOR", "LUX", "MEX", "NLD", "NZL", "NOR",
"POL", "PRT", "SVK", "ESP", "SWE", "CHE", "TUR", "GBR", "USA",
"BRA", "CHL", "CHN", "COL", "CRI", "EST", "IND", "IDN", "ISR",
"LVA", "LTU", "SVN", "ZAF", "AUS", "AUT", "BEL", "CAN", "CZE",
"DNK", "FIN", "FRA", "DEU", "GRC", "HUN", "ISL", "IRL", "ITA",
"JPN", "KOR", "LUX", "MEX", "NLD", "NZL", "NOR", "POL", "PRT",
"SVK", "ESP", "SWE", "CHE", "TUR", "GBR", "USA", "BRA", "CHL",
"CHN", "COL", "CRI", "EST", "IND", "IDN", "ISR", "LVA", "LTU",
"SVN", "ZAF", "AUS", "AUT", "BEL", "CAN", "CZE", "DNK", "FIN",
"FRA", "DEU", "GRC", "HUN", "ISL", "IRL", "ITA"), Country.y = c("Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy", "Japan", "Korea", "Luxembourg", "Mexico",
"Netherlands", "New Zealand", "Norway", "Poland", "Portugal",
"Slovak Republic", "Spain", "Sweden", "Switzerland", "Turkey",
"United Kingdom", "United States", "Brazil", "Chile", "China",
"Colombia", "Costa Rica", "Estonia", "India", "Indonesia", "Israel",
"Latvia", "Lithuania", "Slovenia", "South Africa", "Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy", "Japan", "Korea", "Luxembourg", "Mexico",
"Netherlands", "New Zealand", "Norway", "Poland", "Portugal",
"Slovak Republic", "Spain", "Sweden", "Switzerland", "Turkey",
"United Kingdom", "United States", "Brazil", "Chile", "China",
"Colombia", "Costa Rica", "Estonia", "India", "Indonesia", "Israel",
"Latvia", "Lithuania", "Slovenia", "South Africa", "Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy"), Value.y = c(3.3333, 0, 0, 0.6667, 0, 1.1429,
0.7333, 7.0667, 3.29, 0, 0, 0, 0, 1, 0.2, 1, 0, 0, 0.4762, 0,
3, 0, 0, 0, 0, 3, 0, 0, 2.5, 13.2, 0, 0, 0, 0, 0, 0, 0.5, 0,
0, 0, 0, 0, 1, 4.2143, 0.3333, 0, 0, 0, 3, 1, 2.5, 5.0833, 0,
0, 0, 0, 1.4167, 0.5667, 0, 0, 0.5, 1.6278, 0.5, 1, 0, 0, 0,
0, 0, 0, 0, 2.45, 9.1742, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0.1, 1.1944, 0.5, 0.5, 2.3409, 0.0909, 0, 0.6, 8, 6.0286, 0,
0, 0, 0, 1.5)), row.names = c(NA, -100L), groups = structure(list(
IPC = "A01B", .rows = structure(list(1:100), ptype = integer(0), class = c("vctrs_list_of",
"vctrs_vctr", "list"))), row.names = c(NA, -1L), class = c("tbl_df",
"tbl", "data.frame"), .drop = TRUE), class = c("grouped_df",
"tbl_df", "tbl", "data.frame"))
为了回应评论，我添加了这个示例数据集用于教学目的。它应该与@r2evans 提供的代码一起使用。 （假设所列国家在 2000 年和 2001 年只有两个子维度 A01B 和 A01C。）
structure(list(LOCATION.x = c("AUS", "AUS", "USA", "USA", "AUS",
"AUS", "USA", "USA"), Country.x = c("Australia", "Australia",
"United States", "United States", "Australia", "Australia", "United States",
"United States"), IPC = c("A01B", "A01C", "A01B", "A01C", "A01B",
"A01C", "A01B", "A01C"), Time = c(2000, 2000, 2000, 2000, 2001,
2001, 2001, 2001), Value.x = c(7, 42, 92, 1, 70, 87, 88, 3),
LOCATION.y = c("DEU", "DEU", "DEU", "DEU", "DEU", "DEU",
"DEU", "DEU"), Country.y = c("Germany", "Germany", "Germany",
"Germany", "Germany", "Germany", "Germany", "Germany"), Value.y = c(97,
85, 25, 14, 15, 97, 97, 52)), row.names = c(NA, -8L), class = c("tbl_df",
"tbl", "data.frame"))
非常感谢！
我认为你可以为此做一个简单的 summarize，
dat %>%
group_by(Country.x, Country.y) %>%
summarize(corr = cor(Value.x, Value.y)) %>%
filter(complete.cases(.))
# Warning in cor(Value.x, Value.y) : the standard deviation is zero
##### repeated 21 times
# # A tibble: 21 x 3
# # Groups: Country.x [1]
# Country.x Country.y corr
# <chr> <chr> <dbl>
# 1 Australia Australia 1
# 2 Australia Austria -0.539
# 3 Australia Belgium -0.959
# 4 Australia Canada -1.00
# 5 Australia Czech Republic -0.959
# 6 Australia Denmark 0.931
# 7 Australia Finland 0.911
# 8 Australia France -0.825
# 9 Australia Germany -0.550
# 10 Australia India -1
# # ... with 11 more rows
有更多数据并想将 Time 添加到您的分组中，然后使用
dat %>%
group_by(Time, Country.x, Country.y) %>%
summarize(corr = cor(Value.x, Value.y))
由于样本较小，这在这里不起作用，但应该适用于较大的数据。
我目前面临以下问题：根据我之前的
预期输出应该是这样的（对于所有国家对和所有年份）。因此，所有相关结果都存储在table/dataframe.
中
correlation country_x country_y Time
0.787812 Germany United States 2000
我的数据集的前 100 行如下所示：
structure(list(LOCATION.x = c("AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS", "AUS",
"AUS", "AUS", "AUS", "AUS", "AUS"), Country.x = c("Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia", "Australia",
"Australia", "Australia", "Australia", "Australia"), IPC = c("A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B", "A01B",
"A01B", "A01B", "A01B"), Time = c(2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L, 2000L,
2000L, 2000L, 2000L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L, 2001L,
2001L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L, 2002L,
2002L, 2002L, 2002L, 2002L, 2002L, 2002L), Value.x = c(3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333, 3.3333,
3.3333, 3.3333, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 4.2143,
4.2143, 4.2143, 4.2143, 4.2143, 4.2143, 1.1944, 1.1944, 1.1944,
1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944, 1.1944,
1.1944, 1.1944, 1.1944), LOCATION.y = c("AUS", "AUT", "BEL",
"CAN", "CZE", "DNK", "FIN", "FRA", "DEU", "GRC", "HUN", "ISL",
"IRL", "ITA", "JPN", "KOR", "LUX", "MEX", "NLD", "NZL", "NOR",
"POL", "PRT", "SVK", "ESP", "SWE", "CHE", "TUR", "GBR", "USA",
"BRA", "CHL", "CHN", "COL", "CRI", "EST", "IND", "IDN", "ISR",
"LVA", "LTU", "SVN", "ZAF", "AUS", "AUT", "BEL", "CAN", "CZE",
"DNK", "FIN", "FRA", "DEU", "GRC", "HUN", "ISL", "IRL", "ITA",
"JPN", "KOR", "LUX", "MEX", "NLD", "NZL", "NOR", "POL", "PRT",
"SVK", "ESP", "SWE", "CHE", "TUR", "GBR", "USA", "BRA", "CHL",
"CHN", "COL", "CRI", "EST", "IND", "IDN", "ISR", "LVA", "LTU",
"SVN", "ZAF", "AUS", "AUT", "BEL", "CAN", "CZE", "DNK", "FIN",
"FRA", "DEU", "GRC", "HUN", "ISL", "IRL", "ITA"), Country.y = c("Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy", "Japan", "Korea", "Luxembourg", "Mexico",
"Netherlands", "New Zealand", "Norway", "Poland", "Portugal",
"Slovak Republic", "Spain", "Sweden", "Switzerland", "Turkey",
"United Kingdom", "United States", "Brazil", "Chile", "China",
"Colombia", "Costa Rica", "Estonia", "India", "Indonesia", "Israel",
"Latvia", "Lithuania", "Slovenia", "South Africa", "Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy", "Japan", "Korea", "Luxembourg", "Mexico",
"Netherlands", "New Zealand", "Norway", "Poland", "Portugal",
"Slovak Republic", "Spain", "Sweden", "Switzerland", "Turkey",
"United Kingdom", "United States", "Brazil", "Chile", "China",
"Colombia", "Costa Rica", "Estonia", "India", "Indonesia", "Israel",
"Latvia", "Lithuania", "Slovenia", "South Africa", "Australia",
"Austria", "Belgium", "Canada", "Czech Republic", "Denmark",
"Finland", "France", "Germany", "Greece", "Hungary", "Iceland",
"Ireland", "Italy"), Value.y = c(3.3333, 0, 0, 0.6667, 0, 1.1429,
0.7333, 7.0667, 3.29, 0, 0, 0, 0, 1, 0.2, 1, 0, 0, 0.4762, 0,
3, 0, 0, 0, 0, 3, 0, 0, 2.5, 13.2, 0, 0, 0, 0, 0, 0, 0.5, 0,
0, 0, 0, 0, 1, 4.2143, 0.3333, 0, 0, 0, 3, 1, 2.5, 5.0833, 0,
0, 0, 0, 1.4167, 0.5667, 0, 0, 0.5, 1.6278, 0.5, 1, 0, 0, 0,
0, 0, 0, 0, 2.45, 9.1742, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0.1, 1.1944, 0.5, 0.5, 2.3409, 0.0909, 0, 0.6, 8, 6.0286, 0,
0, 0, 0, 1.5)), row.names = c(NA, -100L), groups = structure(list(
IPC = "A01B", .rows = structure(list(1:100), ptype = integer(0), class = c("vctrs_list_of",
"vctrs_vctr", "list"))), row.names = c(NA, -1L), class = c("tbl_df",
"tbl", "data.frame"), .drop = TRUE), class = c("grouped_df",
"tbl_df", "tbl", "data.frame"))
为了回应评论，我添加了这个示例数据集用于教学目的。它应该与@r2evans 提供的代码一起使用。 （假设所列国家在 2000 年和 2001 年只有两个子维度 A01B 和 A01C。）
structure(list(LOCATION.x = c("AUS", "AUS", "USA", "USA", "AUS",
"AUS", "USA", "USA"), Country.x = c("Australia", "Australia",
"United States", "United States", "Australia", "Australia", "United States",
"United States"), IPC = c("A01B", "A01C", "A01B", "A01C", "A01B",
"A01C", "A01B", "A01C"), Time = c(2000, 2000, 2000, 2000, 2001,
2001, 2001, 2001), Value.x = c(7, 42, 92, 1, 70, 87, 88, 3),
LOCATION.y = c("DEU", "DEU", "DEU", "DEU", "DEU", "DEU",
"DEU", "DEU"), Country.y = c("Germany", "Germany", "Germany",
"Germany", "Germany", "Germany", "Germany", "Germany"), Value.y = c(97,
85, 25, 14, 15, 97, 97, 52)), row.names = c(NA, -8L), class = c("tbl_df",
"tbl", "data.frame"))
非常感谢！
我认为你可以为此做一个简单的 summarize，
dat %>%
group_by(Country.x, Country.y) %>%
summarize(corr = cor(Value.x, Value.y)) %>%
filter(complete.cases(.))
# Warning in cor(Value.x, Value.y) : the standard deviation is zero
##### repeated 21 times
# # A tibble: 21 x 3
# # Groups: Country.x [1]
# Country.x Country.y corr
# <chr> <chr> <dbl>
# 1 Australia Australia 1
# 2 Australia Austria -0.539
# 3 Australia Belgium -0.959
# 4 Australia Canada -1.00
# 5 Australia Czech Republic -0.959
# 6 Australia Denmark 0.931
# 7 Australia Finland 0.911
# 8 Australia France -0.825
# 9 Australia Germany -0.550
# 10 Australia India -1
# # ... with 11 more rows
有更多数据并想将 Time 添加到您的分组中，然后使用
dat %>%
group_by(Time, Country.x, Country.y) %>%
summarize(corr = cor(Value.x, Value.y))
由于样本较小，这在这里不起作用，但应该适用于较大的数据。