找出 R 數據中的前 10 個 corr 特征

Question

我有一個非常大的數據集。 我需要找出哪些變量在數據集中具有最高百分比的相關性。

我的代碼在下面，它顯示了我所有的相關性，但是我有 69 列，所以不可能檢查所有的列（不是字面意思，但我相信你能理解我的意思）。

我正在使用的代碼如下：

文件：CW_ModelDevelopment Select 僅限數字

CW_ModelDevelopment %>% 
  # Select numeric columns
  select_if(is.numeric) %>% 
  # Calculate correlation matrix
  cor()

有人可以幫我獲取一個代碼，該代碼可以以百分比顯示結果，或者設置一個條件，任何與 x 量相關的東西都應該打印我想要的 Python 中的編碼示例如下：

Answer 1

如果我們將cor() output 作為網絡 object 的鄰接矩陣處理， igraph可以幫助我們將 output 轉換為自己的data.frame結構， 使用dplyr::top_n()我們可以看到前十個結果及其值。

library(tidyverse)
library(igraph, warn.conflicts = FALSE)
matrix(sample(1:10, 1000, replace = TRUE), 20 , 50) %>%
  as_tibble(.name_repair = "universal") %>%
  cor() %>%
  igraph::graph_from_adjacency_matrix(weighted = TRUE,
                                      diag = FALSE) %>%
  igraph::as_data_frame() %>%
  top_n(10)
#> New names:
#> * `` -> ...1
#> * `` -> ...2
#> * `` -> ...3
#> * `` -> ...4
#> * `` -> ...5
#> * ...
#> Selecting by weight
#>     from    to    weight
#> 1   ...3 ...34 0.7098358
#> 2   ...5 ...24 0.6054965
#> 3   ...9 ...16 0.6129791
#> 4  ...16  ...9 0.6129791
#> 5  ...21 ...38 0.6092931
#> 6  ...24  ...5 0.6054965
#> 7  ...33 ...42 0.6226324
#> 8  ...34  ...3 0.7098358
#> 9  ...38 ...21 0.6092931
#> 10 ...42 ...33 0.6226324

Answer 2

你可以試試：

mat <- cor(mtcars) > 0.9
diag(mat) <- FALSE
colnames(mtcars)[which(mat, arr.ind = TRUE)[, 2]]
#[1] "cyl"  "disp"