R 中所有列的向量相关性 (dplyr)

Question

我在 R 中有一个数据框（取自 dplyr 的网站 here）：

library(dplyr)
gdf <-
  tibble(g = c(1, 1, 2, 3), v1 = 10:13, v2 = 20:23) %>%
  group_by(g)
gdf

导致：

# A tibble: 4 × 3
# Groups:   g [3]
      g    v1    v2
  <dbl> <int> <int>
1     1    10    20
2     1    11    21
3     2    12    22
4     3    13    23

现在我有一个矢量 :

y <- rnorm(4);y

我想同时测量y与v1的相关性和y与v2的相关性。

across() 函数可能会完成这项工作

gdf %>% mutate(across(v1:v2, ~ cor(.x,y)))

但是 R 报告我一个错误：

Error: Problem with `mutate()` input `..1`.
ℹ `..1 = across(v1:v2, ~cor(.x, y))`.
x incompatible dimensions
ℹ The error occurred in group 1: g = 1.
Run `rlang::last_error()` to see where the error occurred.

Answer 1

使用基数 R：

cor(gdf[,-1], y)

#>         [,1]
#> v1 0.5080586
#> v2 0.5080586

另一种可能的解决方案，基于purrr::map_dfc：

library(tidyverse)

gdf <-
  tibble(g = c(1, 1, 2, 3), v1 = 10:13, v2 = 20:23)

set.seed(123)
y <- rnorm(4)

map_dfc(gdf[,-1], ~ cor(.x, y))

#> # A tibble: 1 × 2
#>      v1    v2
#>   <dbl> <dbl>
#> 1 0.508 0.508

Answer 2

由于 cor() 要求 x 和 y 具有相同的维度，因此您不能将行分组在一起，否则它们将没有 4 个元素来匹配 [=] 中的 4 个值15=].

准备数据和文库

library(dplyr)

gdf <-
  tibble(g = c(1, 1, 2, 3), v1 = 10:13, v2 = 20:23)

y <- rnorm(4)
[1] 0.59390132 0.91897737 0.78213630 0.07456498

变异()

如果要在输出中保留 v1 和 v2，请使用 .names 参数来指示新列的名称。 {.col}指的是across作用的列名。

gdf %>% mutate(across(v1:v2, ~ cor(.x,y), .names = "{.col}_cor"))

# A tibble: 4 x 5
      g    v1    v2 v1_cor v2_cor
  <dbl> <int> <int>  <dbl>  <dbl>
1     1    10    20 -0.591 -0.591
2     1    11    21 -0.591 -0.591
3     2    12    22 -0.591 -0.591
4     3    13    23 -0.591 -0.591

总结()

如果只想在结果中输出cor()，可以使用summarise

gdf %>% summarize(across(v1:v2, ~ cor(.x,y)))

# A tibble: 1 x 2
      v1     v2
   <dbl>  <dbl>
1 -0.591 -0.591

R 中所有列的向量相关性 (dplyr)

correlation of a vector across all column in R (dplyr)

r

dplyr

correlation

across

准备数据和文库

变异()

总结()