使用 dplyr::mutate 計算 R 中的成對相關性

Question

我有一個大數據框，每行都有足夠的數據來使用此數據框的特定列計算相關性，並添加一個包含計算出的相關性的新列。

這是我想要做的事情的摘要（這個使用 dplyr）：

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

顯然它不是這樣工作的，因為我在 pearsoncor 列中只得到NA's ，有人有建議嗎？ 有沒有簡單的方法來做到這一點？

最好的，

示例數據框

Answer 1

使用 tidyr，您可以分別收集所有想要比較的 x 和 y 變量。 您會得到一個包含相關系數及其 p 值的小標題，其中包含您提供的每個組合。

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)

編輯，幾年后更新：

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()該數據幀到長的形式，使得每個值具有其自己的行。 對於 6 個基因中的每一個，原始寬格式數據每行有 60 個值，而融合的長格式數據框有 360 行，每個值一個。 然后我們可以輕松地使用dplyr summarize()來計算沒有循環的相關性。

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]))

您還可以使用do()生成更詳細的結果，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]))

這會輸出一個 tibble，其中cor列是一個列表，其中包含每個基因的cor.test()結果。 我們可以使用lapply()從列表中提取輸出。

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

Answer 3

幾天前我遇到了同樣的問題，我知道循環在 R 中不是最佳的，但這是我唯一能想到的：

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
}