Question

抱歉我的英文不好，我想把很多数据帧的相关系数计算成一个列表，所以我有一个28个数据帧的列表，但我想计算前7个数据帧的系数，每个数据帧有两列，一列是Date，另一列是它的值：

my.files <- list.files(pattern = ".csv")

my.data <- lapply(my.files,
              read.csv,
              header = TRUE, sep = ";")

ChangeType <- function(DF){
DF[,2] <- as.numeric(DF[,2])
DF
}


my.data <- lapply(my.data, ChangeType)

好吧，现在我的列表在每个数据帧中有4种不同类型的值，例如1到7 DF，第二列是＆＃34; PRECIPITACION＆＃34;，8到14 DF是＆＃34; RADIACION＆＃ 34;对于15至21 DF，第二列是＆＃34; TEMPERATURA＆＃34;，对于22到28 DF，第二列是＆＃34; VELOCIDAD＆＃34;。所以我想计算每组数据帧的相关系数，对此有何看法？

感谢您的回答

Answer 1

]好吧，我试着计算列表中前7个DF的相关矩阵：

my.data.Hydro <- list()
my.data.Hydro[[1]] <- my.data[[1]]
colnames(my.data.Hydro[[1]]) <- c("DATE","PRECIPITACION_1")
my.data.Hydro[[2]] <- my.data[[2]]
colnames(my.data.Hydro[[2]]) <- c("DATE","PRECIPITACION_2")
my.data.Hydro[[3]] <- my.data[[3]]
colnames(my.data.Hydro[[3]]) <- c("DATE","PRECIPITACION_3")
my.data.Hydro[[4]] <- my.data[[4]]
colnames(my.data.Hydro[[4]]) <- c("DATE","PRECIPITACION_4")
my.data.Hydro[[5]] <- my.data[[5]]
colnames(my.data.Hydro[[5]]) <- c("DATE","PRECIPITACION_5")
my.data.Hydro[[6]] <- my.data[[6]]
colnames(my.data.Hydro[[6]]) <- c("DATE","PRECIPITACION_6")
my.data.Hydro[[7]] <- my.data[[7]]
colnames(my.data.Hydro[[7]]) <- c("DATE","PRECIPITACION_7")
Corr.Hydro <- lapply(my.data.Hydro, cor)

我尝试创建一个包含前7 DF的子列表，更改第二列的名称，并使用lapply为此子列表应用cor来计算此7 DF的相关性，但是这样代码不起作用。

Answer 2

您的文件列表位于my.data。文件1：7是Precipitacion，将它们绑在一起：

Precip <- rbind(my.data)[1:7]

为Radiacion，Temperatura，Velocidad做同样的事情：

Radia <- rbind(my.data)[8:14]
Tempur <- rbind(my.data)[15:21]
Veloc <- rbind(my.data)[22:28]

您的文件已订购日期，Precip或Date，Tempur＆amp;等等假设采样日期相同或相似，只使用您需要的列制作rbind文件列表：

clima_objs <- list(Precip[,1], Precip[,2], Radia[,2], Tempur[,2], 
Veloc[,2])

然后将cbind（）这些组合成一个data.frame：

clima <- as.data.frame(do.call(cbind, clima_objs))

从$ V1- $ V5更改名称

 names(clima) <- c("Date", "Precipitacion", "Radiacion", 
"Temperatura", "Velocidad")

检查：

> head(clima)
   Date Precipitacion  Radiacion Temperatura  Velocidad
1 14610     84.284294  84.284294   84.284294  84.284294
2 14641     29.583552  29.583552   29.583552  29.583552
3 14669    105.209802 105.209802  105.209802 105.209802
4 14700     96.281924  96.281924   96.281924  96.281924
5 14730      5.033855   5.033855    5.033855   5.033855
6 14761     94.065157  94.065157   94.065157  94.065157

好的，cbind将我们的日期更改为数字，因此我们将其更改回来：

clima$Date <- as.Date.numeric(clima$Date, origin="1970-01-01")
> head(clima)
    Date Precipitacion  Radiacion Temperatura  Velocidad
1 2010-01-01     84.284294  84.284294   84.284294  84.284294
2 2010-02-01     29.583552  29.583552   29.583552  29.583552
3 2010-03-01    105.209802 105.209802  105.209802 105.209802
4 2010-04-01     96.281924  96.281924   96.281924  96.281924
5 2010-05-01      5.033855   5.033855    5.033855   5.033855
6 2010-06-01     94.065157  94.065157   94.065157  94.065157

现在我们可以问，与使用＆＃39; cor`的内容有什么关联。

>cor(clima$Precipitacion, clima$Temperatura)
[1] 1

这是1，因为我在Date之后的每一列中使用了相同的数据。现在从Tempuratura取样

>cor(clima$Precipitacion, sample(clima$Temperatura))
[1] 0.04786067

计算列表中多个数据帧之间的相关性

2 个答案: