如何在 dplyr 中使用 summarise_each 进行相关性？答案

【问题标题】：How can I use summarise_each for correlations in dplyr?如何在 dplyr 中使用 summarise_each 进行相关性？
【发布时间】：2016-09-06 07:16:54
【问题描述】：

一个数据框有 20 列，我想找到列“a”与其余列的相关性。

我如何使用 dplyr 来做到这一点？

我知道如何做这样的个别关联：

test %>%
  dplyr::summarize(cor(a, b))

或 summarise_each 表示平均值。

但是我该如何做相关性呢？

两个用例：

它计算与数据框中每列的相关性。
它计算与我提到的列的相关性。

【问题讨论】：

标签： r dplyr

【解决方案1】：

corrr 包使用 dplyr 作为后端（并且很容易使用它）通过correlate() %>% focus() 做到这一点：

library(corrr)

mtcars %>% 
  correlate() %>% 
  focus(mpg)
#> # A tibble: 10 × 2
#>    rowname        mpg
#>      <chr>      <dbl>
#> 1      cyl -0.8521620
#> 2     disp -0.8475514
#> 3       hp -0.7761684
#> 4     drat  0.6811719
#> 5       wt -0.8676594
#> 6     qsec  0.4186840
#> 7       vs  0.6640389
#> 8       am  0.5998324
#> 9     gear  0.4802848
#> 10    carb -0.5509251

mtcars %>% 
  select(mpg, disp, hp) %>% 
  correlate() %>% 
  focus(mpg)
#> # A tibble: 2 × 2
#>   rowname        mpg
#>     <chr>      <dbl>
#> 1    disp -0.8475514
#> 2      hp -0.7761684

focus() 的作用类似于dplyr::select()，只是它从行中排除了任何剩余的列。如果有兴趣，请查看 GitHub 上的focus_.cor_df() here。

【讨论】：

当我使用第一个时，我得到这个错误： pmatch 中的错误（use, c("all.obs", "complete.obs", "pairwise.complete.obs", :
你是如何使用它的？你是直接从GitHub复制代码+粘贴代码还是安装了corrr？
我已经安装了 corrr
如果我可以添加一些非数字列。我不需要使用它们。
也许这就是原因。尝试先删除这些列（例如dat %>% select(-cat1, -cat2, ...) %>% correlate() ...）或选择您感兴趣的列，就像我上面的第二个示例一样。

【解决方案2】：

不太了解我认为您可能需要combn 函数的两个用例，但用于：

我想找出“a”列与其余列的相关性。

您可以这样做，直接将列a 作为参数之一传递给cor 函数，并使用. 表示其余列：

library(dplyr)
df <- data.frame(a = rnorm(5), b = rnorm(5), c = rnorm(5))
df %>% summarise_each(funs(cor(., df$a)), -a)

#           b          c
# 1 0.1997687 -0.3541925

如果有非数字列并且您只对数字列感兴趣，您可能需要summarise_if 函数并将条件指定为数字，在这种情况下，只会汇总数字列并计算相应的相关系数：

df <- data.frame(a = rnorm(5), b = rnorm(5), c = rnorm(5), d = letters[1:5])
df %>% summarise_if(is.numeric, funs(cor(., df$a)))
#  a         b           c
#1 1 0.1153882 -0.03117205

【讨论】：