使用 dplyr::mutate 计算 R 中的成对相关性

Question

我有一个大数据框，每行都有足够的数据来使用此数据框的特定列计算相关性，并添加一个包含计算出的相关性的新列。

这是我想要做的事情的摘要（这个使用 dplyr）：

example_data %>%
mutate(pearsoncor = cor(x = X001_F5_000_A:X030_F5_480_C, y = X031_H5_000_A:X060_H5_480_C))

显然它不是这样工作的，因为我在 pearsoncor 列中只得到NA's ，有人有建议吗？ 有没有简单的方法来做到这一点？

最好的，

示例数据框

Answer 1

使用 tidyr，您可以分别收集所有想要比较的 x 和 y 变量。 您会得到一个包含相关系数及其 p 值的小标题，其中包含您提供的每个组合。

library(dplyr)
library(tidyr)

example_data %>%
  gather(x_var, x_val, X001_F5_000_A:X030_F5_480_C) %>% 
  gather(y_var, y_val, X031_H5_000_A:X060_H5_480_C) %>% 
  group_by(x_var, y_var) %>% 
  summarise(cor_coef = cor.test(x_val, y_val)$estimate,
            p_val = cor.test(x_val, y_val)$p.value)

编辑，几年后更新：

library(tidyr)
library(purrr)
library(broom)
library(dplyr)

longley %>%
  pivot_longer(GNP.deflator:Armed.Forces, names_to="x_var", values_to="x_val") %>% 
  pivot_longer(Population:Employed, names_to="y_var", values_to="y_val") %>% 
  nest(data=c(x_val, y_val)) %>%
  mutate(cor_test = map(data, ~cor.test(.x$x_val, .x$y_val)),
         tidied = map(cor_test, tidy)) %>% 
  unnest(tidied)

Answer 2

下面是使用的溶液reshape2包melt()该数据帧到长的形式，使得每个值具有其自己的行。 对于 6 个基因中的每一个，原始宽格式数据每行有 60 个值，而融合的长格式数据框有 360 行，每个值一个。 然后我们可以轻松地使用dplyr summarize()来计算没有循环的相关性。

library(reshape2)
library(dplyr)

names1 <- names(example_data)[4:33]
names2 <- names(example_data)[34:63]

example_data_longform <- melt(example_data, id.vars = c('Gene','clusterFR','clusterHR'))

example_data_longform %>%
  group_by(Gene, clusterFR, clusterHR) %>%
  summarize(pearsoncor = cor(x = value[variable %in% names1],
                             y = value[variable %in% names2]))

您还可以使用do()生成更详细的结果，如 Eudald 的回答：

detailed_r <- example_data_longform %>%
  group_by(Gene, clusterFR, clusterHR) %>%
  do(cor = cor.test(x = .$value[.$variable %in% names1],
                    y = .$value[.$variable %in% names2]))

这会输出一个 tibble，其中cor列是一个列表，其中包含每个基因的cor.test()结果。 我们可以使用lapply()从列表中提取输出。

lapply(detailed_r$cor, function(x) c(x$estimate, x$p.value))

Answer 3

几天前我遇到了同样的问题，我知道循环在 R 中不是最佳的，但这是我唯一能想到的：

df$r = rep(0,nrow(df))
df$cor_p = rep(0,nrow(df))

for (i in 1:nrow(df)){
  ct = cor.test(as.numeric(df[i,cols_A]),as.numeric(df[i,cols_B]))
df$r[i] = ct$estimate
df$cor_p[i] = ct$p.value
}