我正在尝试扩展问题的答案R: filtering data and calculating correlation。
要获得一年中每个月（1 = 一月）的温度和湿度的相关性，我们必须每个月都做同样的事情（12 次）。
cor(airquality[airquality$Month == 1, c("Temp", "Humidity")])
有没有办法每月自动执行？
在我的例子中，我有超过 30 个组（不是月份，而是物种），我想测试它们的相关性，我只是想知道是否有比逐个测试更快的方法。
谢谢！
【问题讨论】：
标签： r dataframe correlation
cor(airquality[airquality$Month == 1, c("Temp", "Humidity")])
给你一个2 * 2 协方差矩阵而不是一个数字。我敢打赌，每个Month 都需要一个数字，所以使用
## cor(Temp, Humidity | Month)
with(airquality, mapply(cor, split(Temp, Month), split(Humidity, Month)) )
你会得到一个向量。
阅读?split 和?mapply；它们对于“按组”操作非常有用，尽管它们不是唯一的选择。另请阅读?cor，并比较两者之间的区别
a <- rnorm(10)
b <- rnorm(10)
cor(a, b)
cor(cbind(a, b))
您在问题中链接的答案类似于cor(cbind(a, b))。
可重现的示例
R 中的airquality 数据集没有Humidity 列，所以我将使用Wind 进行测试：
## cor(Temp, Wind | Month)
x <- with(airquality, mapply(cor, split(Temp, Month), split(Wind, Month)) )
# 5 6 7 8 9
#-0.3732760 -0.1210353 -0.3052355 -0.5076146 -0.5704701
我们得到一个命名向量，其中names(x) 给出Month，unname(x) 给出相关性。
非常感谢！它工作得非常完美！我也试图弄清楚如何为每个相关性获取带有
R^2的向量，但我不能......有什么想法吗？
cor(x, y) 就像拟合一个标准化的线性回归模型：
coef(lm(scale(y) ~ scale(x) - 1)) ## remember to drop intercept
这个简单线性回归中的 R 平方只是斜率的平方。以前我们有 x 存储每个组的相关性，现在 R-squared 只是 x ^ 2。
【讨论】：