如何在循环中找到相关系数？

Question

我有一个这样的数据集：

Account_tenure_years = c(982,983,984,985,986,987,988)
N=c(12328,18990,21255,27996,32014,15487,4347)
Y=c(76,64,61,76,94,55,11)
df_table_account_tenure_vs_PPC = data.frame(Account_tenure_years,N,Y)

The dataset looks like this:

Account_tenure_years   N     Y
982                  12328  76
983                  18990  64
984                  21255  61
985                  27996  76
986                  32014  94
987                  15487  55
988                   4347  11

我想做的是这样的：

我想在Account_tenure_years 中的任意两个@ 之间找到correlation，例如982,983 并找到correlation coefficient 与N 和Y columns 即我想找到下面的correlation coefficient表

  Account_tenure_years   N     Y
  982                  12328  76
  983                  18990  64

现在我想重复这个 8C2 次，即 28 次。采取不同的行并在每种情况下找到correlation coefficient。 即在下一次迭代中我想要：

 Account_tenure_years   N     Y
  983                  18990  64
  984                  21255  61 

然后找到它的correlation coefficient。现在，在我收到所有这 28 个correlation coefficients 之后，我将average 拿出来并为整个数据集找到一个mean correlation coefficient。

我如何在 R 中做到这一点？

好吧，如果我找出列之间的相关系数，让我们直截了当

Account_tenure_years column, N 

如果我尝试找出列之间的相关系数

Account_tenure_years column, Y

如果我在每种情况下都发现负相关系数，我们能从中推断出什么吗？

Answer 1

这不是为每种情况计算correlation coefficient 的理想方法。应该针对整个数据集进行计算：

Account_tenure_years = c(982,983,984,985,986,987,988)
N=c(12328,18990,21255,27996,32014,15487,4347)
Y=c(76,64,61,76,94,55,11)
df = data.frame(Account_tenure_years,N,Y)

cor(df$Account_tenure_years,df$N)
cor(df$Account_tenure_years,df$Y)

输出如下图：

> cor(df$Account_tenure_years,df$N)
[1] -0.1662244
> cor(df$Account_tenure_years,df$Y)
[1] -0.5332263

您可以推断数据是负相关的。这意味着增加Account_tenure_years 的值将减少N 和Y 的值，反之亦然。

请随时纠正我！

Answer 2

转置数据应该更容易，而且最好的部分是你甚至不需要编写循环。

试试这个：

dt <- data.table::fread("
Account_tenure_years   N     Y
982                  12328  76
983                  18990  64
984                  21255  61
985                  27996  76
986                  32014  94
987                  15487  55
988                   4347  11
")


dt.t <- as.data.frame(t(dt[, 2:3]))

colnames(dt.t) = dt$Account_tenure_years
# transpose
dt.t
#>     982   983   984   985   986   987  988
#> N 12328 18990 21255 27996 32014 15487 4347
#> Y    76    64    61    76    94    55   11

# calculate correlation matrix, read more help(cor)
cor(dt.t)
#>     982 983 984 985 986 987 988
#> 982   1   1   1   1   1   1   1
#> 983   1   1   1   1   1   1   1
#> 984   1   1   1   1   1   1   1
#> 985   1   1   1   1   1   1   1
#> 986   1   1   1   1   1   1   1
#> 987   1   1   1   1   1   1   1
#> 988   1   1   1   1   1   1   1

由reprex package (v0.2.0.9000) 于 2018 年 7 月 20 日创建。

Answer 3

我不明白你想如何计算两个变量之间的相关系数，每个变量只有一个观察值。因此，我假设您的行数比此处提供的多。

首先定义所有组合：

combinations <- combn(df_table_account_tenure_vs_PPC$Account_tenure_years, 2)

对于每个组合，您要提取相应的行并计算每个变量的相关系数：

coefficients <- apply(combinations, 2, function(x, df_table_account_tenure_vs_PPC){
    coef <- sapply(c("N", "Y"), function(v, x, df_table_account_tenure_vs_PPC){
        c <- cor(df_table_account_tenure_vs_PPC[df_table_account_tenure_vs_PPC == x[1], v], df_table_account_tenure_vs_PPC[df_table_account_tenure_vs_PPC == x[2], v])
        return(c)},
    x, df_table_account_tenure_vs_PPC)
    return(c(x, coef))},
df_table_account_tenure_vs_PPC)

然后，您可以将结果汇总到 data.frame 中：

df <- as.data.frame(t(coefficients))
colnames(df) <- c("Year1", "Year2", "N_cor", "Y_cor")

这应该可行。如果您有任何问题，请告诉我。 同样，如果您想要一个有意义的相关系数，请确保在每个条件下都有多个观察值。