使用Spearman按组划分R相关矩阵

Question

我正在尝试通过因子变量的不同级别来创建一组相关矩阵。

先前已经回答了这个问题（ R中按组的Spearman相关性 ），但不是针对矩阵的，据我所知，矢量结果似乎没有得到概括。

下面的代码有效，但是由于by（）输出列表，因此无法将其写入csv-错误是“无法将类“” by””强制到data.frame”

cor1<- by(data, INDICES=data$factor0, FUN = function(x) cor(x[,c("x","y","z","a",
    "b","c")],method="spearman",use="pairwise"))

因此，我正在寻找一种将以上内容强制转换为data.frame的方法，以便可以将其写入csv，或者通过输出数据帧的替代方法产生上述结果

任何帮助，不胜感激

Answer 1

之所以得到列表，是因为如果x是矩阵，那么cor(x)也将是矩阵，而不是标量。 在这种情况下，它将是6x6矩阵。 因此，结果是一个6x6矩阵的列表，每个因子级别一个。

在我看来，这是代表结果的自然方式。 您可以根据需要将其放入单个数据框中，尽管我不确定您希望行和列精确表示什么。 这是一个选择。

data<-matrix(rnorm(500),100,5)
colnames(data)<-letters[1:5]
factors<-sample(LETTERS[1:3],100,T)
cors<-by(data,factors,cor)
cors[[1]]
#             a           b           c           d           e
# a  1.00000000  0.05389618 -0.16944040  0.25747174  0.21660217
# b  0.05389618  1.00000000  0.22735796 -0.06002965 -0.30115444
# c -0.16944040  0.22735796  1.00000000 -0.06625523 -0.01120225
# d  0.25747174 -0.06002965 -0.06625523  1.00000000  0.10402791
# e  0.21660217 -0.30115444 -0.01120225  0.10402791  1.00000000

corsMatrix<-do.call(rbind,lapply(cors,function(x)x[upper.tri(x)]))
names<-outer(colnames(data),colnames(data),paste,sep="X")
colnames(corsMatrix)<-names[upper.tri(names)]
corsMatrix

#           aXb         aXc        bXc         aXd         bXd         cXd
# A  0.05389618 -0.16944040 0.22735796  0.25747174 -0.06002965 -0.06625523
# B -0.34231682 -0.14225269 0.20881053 -0.14237661  0.25970138  0.27254840
# C  0.27199944 -0.01333377 0.06402734  0.02583126 -0.03336077 -0.02207024
#           aXe        bXe         cXe         dXe
# A 0.216602173 -0.3011544 -0.01120225  0.10402791
# B 0.347006942 -0.2207421  0.33123175 -0.05290809
# C 0.007748369 -0.1257357  0.23048709  0.16037247

我不确定这是否是您要找的东西。 另一个选择是将每个相关矩阵导出到其自己的csv文件。

Answer 2

至少对我来说，您的询问不清楚。 如果我正确理解，在计算相关性之前，可能首先需要一个成对矩阵。 您可能需要在SciencesPo尝试以下功能。

要求（ SciencesPo)

m<-rprob(mtcars, df = nrow(mtcars) - 2)

以下将使您堆叠矩阵，因此变得更容易检查r和相关的p值。

rstack(m)

Answer 3

您可以从包library(plyr)使用ddply ：

 library(plyr)
 n <- 1e2
 mdat <- data.frame(factor0 = factor(LETTERS[sample(26, n, TRUE)]), x = rnorm(n), 
                                     y = rnorm(n), z = rnorm(n), a = rnorm(n), b = rnorm(n),
                                     c = rnorm(n))
 ddply(mdat, .(factor0), function(d) {
      ret <- as.data.frame(cor(d[, letters[c(1:3, 24:26)]], method="spearman",use="pairwise"))
      ret$col <- letters[c(1:3, 24:26)]
      ret[, c(7, 1:6)]})