[英]How i can calculate correlation between two data frames in R using dplyr?
我在 R 中有两个数据框,比如 data1 和 data2:
a = c(1,2,NA,4,5)
b = c(3,4,5,6,7)
data1 = tibble(a,b);data1
a = c(4,2,4,4,9)
b = c(3,4,4,6,7)
d = c(5,9,3,4,2)
data2 = tibble(a,b,d);data2
我想计算这两个数据框匹配列的相关性。请记住,我可能在某些列向量中有 NA,并且某些列可能不存在于初始数据框 1 中,理想情况下我想报告 NA。我怎么能使用 dplyr 在 R 中做到这一点?
library(tibble)
library(purrr)
a = c(1,2,NA,4,5)
b = c(3,4,5,6,7)
data1 = tibble(a,b)
a = c(4,2,4,4,9)
b = c(3,4,4,6,7)
d = c(5,9,3,4,2)
data2 = tibble(a,b,d)
matched <- intersect(colnames(data1), colnames(data2))
names(matched) <- matched
map_dbl(matched, ~ cor(data1[[.x]], data2[[.x]], use = "complete.obs")) %>%
as.matrix() %>%
as.data.frame() %>%
rownames_to_column()
#> rowname V1
#> 1 a 0.7337014
#> 2 b 0.9622504
由reprex 包于 2022-07-11 创建 (v2.0.1)
由于data1
中a
列包含 1 个 NA,因此a
的输出应为 NA。 你可以这样做
library(tidyverse)
a = c(1,2,NA,4,5)
b = c(3,4,5,6,7)
data1 = tibble(a,b);
data1
#> # A tibble: 5 × 2
#> a b
#> <dbl> <dbl>
#> 1 1 3
#> 2 2 4
#> 3 NA 5
#> 4 4 6
#> 5 5 7
a = c(4,2,4,4,9)
b = c(3,4,4,6,7)
d = c(5,9,3,4,2)
data2 = tibble(a,b,d);data2
#> # A tibble: 5 × 3
#> a b d
#> <dbl> <dbl> <dbl>
#> 1 4 3 5
#> 2 2 4 9
#> 3 4 4 3
#> 4 4 6 4
#> 5 9 7 2
names(data2) %>%
map_dbl(~ {col <- if(is.null(data1[[.x]])){
rep(NA, dim(data1)[1])
} else {
data1[[.x]]
}
cor(col, data2[[.x]])
}) %>% set_names(names(data2))
#> a b d
#> NA 0.9622504 NA
由reprex 包于 2022-07-11 创建 (v2.0.1)
或者 usingb stack()
会给你一个数据框
names(data2) %>%
map_dbl(~ {col <- if(is.null(data1[[.x]])){
rep(NA, dim(data1)[1])
} else {
data1[[.x]]
}
cor(col, data2[[.x]])
}) %>% set_names(names(data2)) %>%
stack()
#> values ind
#> 1 NA a
#> 2 0.9622504 b
#> 3 NA d
由reprex 包于 2022-07-11 创建 (v2.0.1)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.