Question

我需要能够按列计算数据帧的相关系数。例如，我的数据框是：

dput(df)
structure(list(Server = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L), 
.Label = c("server101", "server102"), class = "factor"), 
JVM = structure(c(1L, 2L, 3L, 4L, 2L, 3L, 4L), 
.Label = c("JVM1", "JVM2", "JVM3", "JVM4"), 
class = "factor"), cpu = c(10L, 20L, 30L, 20L, 10L, 20L, 20L), 
trans = c(1000L, 2000L, 30L, 30L, 50L, 60L, 30L)),  
.Names = c("Server", "JVM", "cpu", "trans"), 
class = "data.frame", row.names = c(NA, -7L))

我需要能够计算每个jvm和服务器的cpu和trans之间的系数的相关性。

我试过这个：

apply(df[,c('trans','cpu')], function(x) FUN=cor(x["trans"],x["cpu"]))

我有什么想法可以做到这一点？

Answer 1

有一种基本的R方法可以做到这一点，但我可能会使用dplyr包

如果您的数据框名为structure，请尝试以下操作：

library(dplyr)
structure %>% group_by(JVM) %>% summarize(cor = cor(trans,cpu))

Answer 2

我们可以使用data.table

library(data.table)
setDT(df)[, .(Cor = cor(trans,cpu)), by = JVM]

Answer 3

您无法从一个数据点获取相关性，但假设您的实际数据每个服务器/ jvm有更多数据点，请尝试使用此代码。它不使用任何包：

out <- tapply(1:nrow(df), df[1:2], function(i) with(df[i, ], cor(cpu, trans)))

，并提供：

> out
           JVM
Server      JVM1 JVM2 JVM3 JVM4
  server101   NA   NA   NA   NA
  server102   NA   NA   NA   NA

如果你喜欢长形式，那么：

ftable(out, row.vars = 1:2)

，并提供：

Server    JVM     
server101 JVM1  NA
          JVM2  NA
          JVM3  NA
          JVM4  NA
server102 JVM1  NA
          JVM2  NA
          JVM3  NA
          JVM4  NA

如何计算数据框中某些列的相关性？

3 个答案: