提取任何值大于 x 的所有行

Question

假设我有一个非常大的相关表，并且只想检查大于某个值（例如 0.40）的相关性。如何提取所有值大于 0.40 的行或列？

我可以使用 apply 执行此操作，但希望在 tidyverse 中执行此操作。

library(tidyverse)

df <- mtcars %>% 
  select_if(is.numeric) %>% 
  cor() %>% 
  round(digits = 2) %>% 
  as.data.frame() 

df[apply(df, 1, function(row) {all(abs(row) > .40)}),]

Answer 1

你可以使用filter_all:

library(tidyverse)

df <- mtcars %>% 
  select_if(is.numeric) %>% 
  cor() %>% 
  round(digits = 2) %>% 
  as.data.frame() %>%
  filter_all(all_vars(abs(.) > 0.4))

结果：

    mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
1  1.00 -0.85 -0.85 -0.78  0.68 -0.87  0.42  0.66  0.60  0.48 -0.55
2 -0.85  1.00  0.90  0.83 -0.70  0.78 -0.59 -0.81 -0.52 -0.49  0.53

要选择所有值都大于 0.4 的 列，请使用 select_if：

df <- mtcars %>% 
  select_if(is.numeric) %>% 
  cor() %>% 
  round(digits = 2) %>% 
  as.data.frame() %>%
  select_if(funs(all(abs(.) > 0.4)))

结果：

       mpg   cyl
mpg   1.00 -0.85
cyl  -0.85  1.00
disp -0.85  0.90
hp   -0.78  0.83
drat  0.68 -0.70
wt   -0.87  0.78
qsec  0.42 -0.59
vs    0.66 -0.81
am    0.60 -0.52
gear  0.48 -0.49
carb -0.55  0.53

注意：

如果您想要 any 值大于 0.4 的行或列，只需将 all_vars 或 all 分别切换为 any_vars 或 any：

filter_all(any_vars(abs(.) > 0.4))

select_if(funs(any(abs(.) > 0.4)))

Answer 2

在基础 R 中，您可以像这样使用rowSums：

# get correlation matrix, values rounded to second digit
dat <- round(cor(mtcars[sapply(mtcars, is.numeric)]), 2)

# subset rows
dat[rowSums(abs(dat) > 0.4) == ncol(dat),]

Answer 3

temp = cor(mtcars)
temp[rowSums(temp > 0.4) > 0, colSums(temp > 0.4) > 0]

Answer 4

我认为tidy的方式是用gather()将相关矩阵转换成tidy格式。

df1 <- mtcars %>% 
    select_if(is.numeric) %>% 
    cor() %>% 
    round(digits = 2) %>% 
    as.data.frame() %>%
    rownames_to_column %>%
    gather(colname, value, -rowname) %>%
    filter(abs(value) >= 0.4) 

请注意，这假设您需要矩阵的 任何 元素，其中相关性大于 0.4。如果您只想要该行的 all 元素大于 0.4 的矩阵行，我想您可以这样做

df2 <- mtcars %>% 
    select_if(is.numeric) %>% 
    cor() %>% 
    round(digits = 2) %>% 
    as.data.frame() %>%
    rownames_to_column %>%
    gather(colname, value, -rowname) %>%
    group_by(rowname) %>%
    filter(min(abs(value)) >= 0.4) 

结果仍然是长（即整齐）格式。将自然是矩阵的数据（例如相关矩阵）转换为长格式是否很好是有争议的，但如果您的数据采用整洁的格式，tidyverse 中的所有内容通常都会更容易。因此，有时您必须将数据强制转换为不自然的格式才能（轻松）使用 tidyverse。它可能并不总是值得的。在这种特殊情况下，我认为代码可读性强，比基本 R 中的任何代码都好，但如果您的数据集很大，性能可能不是很好。

df2 %>% spread(colname, value)的结果是

  rowname am    carb  cyl   disp  drat  gear  hp    mpg   qsec  vs    wt   
1 cyl     -0.52  0.53  1.00  0.90 -0.70 -0.49  0.83 -0.85 -0.59 -0.81  0.78
2 mpg      0.60 -0.55 -0.85 -0.85  0.68  0.48 -0.78  1.00  0.42  0.66 -0.87