更新数据集2和1结构：对于此突然更新感到抱歉。我有两个数据集。我的第一个数据集的结构是（在print(matr1)中使用R时）：
month_year income
[1,] "Jan 2000" "30000"
[2,] "Feb 2000" "12364"
[3,] "Mar 2000" "37485"
[4,] "Apr 2000" "2000"
[5,] "Jun 2000" "7573"
. . .
. . .
因此，第一个数据集 每年每个月的一个收入值。
我的第二个数据集的结构是（在print(matr2)中使用R时）：
month_year value
[1,] "Jan 2000" "84737476"
[2,] "Jan 2000" "39450334"
[3,] "Jan 2000" "48384943"
[4,] "Feb 2000" "12345678"
[5,] "Feb 2000" "49595340"
. . .
. . .
因此，在第二个数据集中，我每年每个月都有n（比如说100但不是一直不变）。
这两个数据集在随后的几年中都有月份值（如2000年，2001年的所有月份等）。现在我想找到这两个数据集之间的相关性，但是按月而不是整体。当我使用R命令cor(as.numeric(matr1[,"income"]),as.numeric(matr2[,"value"]))时，我得到了整体相关性，但我想要每月相关而不是整体。 我希望相关性如下：
Jan | Feb | Mar | Apr | May | .....
Correlation x | y | z | p | q | .....
我遇到的问题是：
注意：我不确定是否应该在此处或Cross Validated上发布此问题。我发布了一个关于此数据集的问题，只是关于获取相关性的错误，它已从那里迁移到此处。如果我在错误的地方发帖，请原谅。
UPDATE1：经过一些建议后，我修改了这篇文章以指向正确的维度。首先，截至目前的数据集是矩阵格式，因此是引号。我可以按照某些评论的建议将其转换为data.frame，但现在我一直在使用as.numeric转换列来计算相关性。
答案 0 :(得分：2)
可能你可以试试：
dat1 <- structure(list(year = c(2000L, 2000L, 2000L, 2000L, 2000L, 2001L,
2001L, 2001L, 2001L, 2001L), month = c(1L, 2L, 3L, 4L, 5L, 1L,
2L, 3L, 4L, 5L), income = c(30000L, 12364L, 37485L, 2000L, 7573L,
25000L, 14364L, 38485L, 4000L, 7873L)), .Names = c("year", "month",
"income"), class = "data.frame", row.names = c(NA, -10L))
dat2 <- structure(list(month_year = c("Jan 2000", "Feb 2000", "Mar 2000",
"Apr 2000", "May 2000", "Jan 2001", "Feb 2001", "Mar 2001", "Apr 2001",
"May 2001"), value = c(84737476L, 39450334L, 48384943L, 12345678L,
49595340L, 84337476L, 34450334L, 48984943L, 124545678L, 49525340L
)), .Names = c("month_year", "value"), class = "data.frame", row.names = c(NA,
-10L))
dat1$month_year <- paste(month.abb[dat1$month], dat1$year)
dat1$month <- gsub(" \\d+","", dat1$month_year)
dat2$month <- gsub(" \\d+","", dat2$month_year)
dat1$indx <- with(dat1, ave(month, month, FUN=seq_along))
dat2$indx <- with(dat2, ave(month, month, FUN=seq_along))
dat1 <- dat1[,c(2,3,5)]
dat2 <- dat2[,c(3,2,4)]
colnames(dat2)[2] <- "income"
library(reshape2)
dat2C <- dcast(dat2, indx~month, value.var="income")
dat1C <- dcast(dat1, indx~month, value.var="income")
m1 <- as.matrix(dat1C[,-1])
m2 <- as.matrix(dat2C[,-1])
cor(m1,m2)
diag(cor(m1,m2))
# Apr Feb Jan Mar May
#1 -1 1 1 -1
此外，如果您可以将两个数据集合并在一起，则可以使用data.table完成此操作。使用上面的dput()数据
library(data.table)
dat1$month_year <- paste(month.abb[dat1$month], dat1$year)
dat1 <- dat1[,c(4,3)]
setDT(dat1)
setDT(dat2)
setkey(dat2, month_year)
dat2[dat1, income := i.income]
dat2[,month:= gsub(" \\d+", "", month_year)][,cor(value, income), by=month]
# month V1
#1: Apr 1
#2: Feb -1
#3: Jan 1
#4: Mar 1
#5: May -1
dat1 <- structure(list(month_year = structure(c(5L, 3L, 8L, 1L, 7L, 6L,
4L, 9L, 2L), .Label = c("Apr 2000", "Apr 2001", "Feb 2000", "Feb 2001",
"Jan 2000", "Jan 2001", "Jun 2000", "Mar 2000", "Mar 2001"), class = "factor"),
income = c(30000, 12364, 37485, 2000, 7573, 42000, 15764,
38465, 5000)), .Names = c("month_year", "income"), row.names = c(NA,
-9L), class = "data.frame")
dat2 <- structure(list(month_year = structure(c(5L, 5L, 5L, 3L, 3L, 7L,
7L, 7L, 1L, 1L, 6L, 6L, 4L, 4L, 8L, 8L, 2L, 2L, 2L, 2L), .Label = c("Apr 2000",
"Apr 2001", "Feb 2000", "Feb 2001", "Jan 2000", "Jan 2001", "Mar 2000",
"Mar 2001"), class = "factor"), value = c(84737476, 39450334,
48384973, 12345678, 49595340, 4534353, 43353325, 84333535, 35343232,
4334353, 3434353, 5355322, 5223345, 4523535, 345353, 32235, 423553,
233553, 423535, 884455)), .Names = c("month_year", "value"), row.names = c(NA,
-20L), class = "data.frame")
datN <- merge(dat1, dat2, all=T)
library(data.table)
DT <- data.table(datN)
DT[, month:= gsub(" \\d+", "", month_year)][,cor(value, income),by=month]
# month V1
#1: Apr -0.7136049
#2: Feb -0.7037676
#3: Jan -0.8637808
#4: Jun NA
#5: Mar -0.6484684
答案 1 :(得分：0)
将您的数据导入包含月，价值和收入列的数据框。 EG：
d = data.frame(month=rep(1:12,5),value=runif(60,10000000,60000000), income=runif(60,5000,40000))
> head(d)
month value income
1 1 58348424 34478.63
2 2 59512513 16179.46
3 3 21844994 20961.56
4 4 25843593 38502.16
5 5 24805863 12397.32
6 6 24200966 24110.27
然后就像使用dplyr按月分组并总结一样简单：
> require(dplyr)
> d %.% group_by(month) %.% summarize(cor = cor(value, income))
Source: local data frame [12 x 2]
month cor
1 1 0.17774478
2 2 -0.61693145
3 3 -0.05692027
4 4 -0.44966542
5 5 -0.30049386
6 6 0.09447414
7 7 0.67567298
8 8 0.14363810
9 9 -0.71899361
10 10 0.20807679
11 11 -0.42560100
12 12 0.23584150
从许多其他地方获取日期字符串中的月份编号...但在这里我使用lubridate包。对于第二个数据集中的月/年字符串，例如：
require(lubridate)
month(dmy(paste("01",dat2$month_year)))
返回月份编号。注意坚持＆＃34; 01＆＃34;在开始时使它成为有效的日期。