按组测量之间的相关性

时间:2017-11-22 12:14:27

标签: r dplyr tidyverse

我有一个由不同评估者进行测量的数据框,我想计算评估者之间测量的相关性。

这是我当前使用虚拟数据的实现:

set.seed(123)
df <- data.table(
groups = rep(seq(1, 4, 1),100),
measurement = runif(400)
)

cormat <- matrix(ncol=length(unique(df$groups)), nrow=length(unique(df$groups)))

for (i in unique(df$groups)){
    for (j in unique(df$groups)){

    cormat[i,j] <- cor(df[groups==i,]$measurement, df[groups==j,]$measurement)
}}

我讨厌上面的嵌套循环,并希望最好找到一个dplyr / tidyverse方法解决我的问题。

预期输出为:

> cormat
           [,1]        [,2]        [,3]        [,4]
[1,]  1.0000000 -0.10934904 -0.15159825  0.13237094
[2,] -0.1093490  1.00000000 -0.04278137 -0.02945215
[3,] -0.1515983 -0.04278137  1.00000000  0.04203516
[4,]  0.1323709 -0.02945215  0.04203516  1.00000000

(如果以前曾问过这个问题,我很难道歉,我很难找到一个好的搜索词)

1 个答案:

答案 0 :(得分:3)

这是一种tidyverse方法。

library(tidyverse)
df %>% 
 arrange(groups) %>% 
 add_column(index = rep(1:100, times = 4)) %>% 
 spread(groups, measurement) %>% 
 select(-index) %>% 
 cor()

结果

           1           2           3           4
1  1.0000000 -0.10934904 -0.15159825  0.13237094
2 -0.1093490  1.00000000 -0.04278137 -0.02945215
3 -0.1515983 -0.04278137  1.00000000  0.04203516
4  0.1323709 -0.02945215  0.04203516  1.00000000

我们需要索引列具有唯一标识符才能传播数据。

修改

base R方法可能

cor(unstack(df, measurement ~ groups))