R中类似变量的相关性

问题描述

我已经稍微修改了数据表。

我想在数据集中将变量与相似名称相关联

   A_y  B_y  C_y  A_p  B_p  C_p
1  15   52   32   30   98   56
2  30   99   60   56   46   25
3  10   25   31   20   22   30
     ..........
n  55   23   85   12   34   52

我想获得相关性

A_y-A_p：0.78
B_y-B_p：0.88
C_y-C_p：0.93

如何在R中做到这一点？有可能吗？

解决方法

这真的很危险。语言定义未定义具有无效列名的data.frame的行为。重复的列名无效。

您应该重组输入数据。无论如何，这是一种处理您的输入数据的方法。

DF <- read.table(text = "   A  B  C  A  B  C
1 15 52 32 30 98 56
2 30 99 60 56 46 25
3 10 25 31 20 22 30",header = TRUE,check.names = FALSE)

sapply(unique(names(DF)),function(s) do.call(cor,unname(DF[,names(DF) == s])))
#        A          B          C 
#0.9995544  0.1585501 -0.6004010

#compare:
cor(c(15,30,10),c(30,56,20))
#[1] 0.9995544

这是另一个基本的R选项

within(
  rev(
    stack(
      Map(
        function(x) do.call(cor,unname(x)),split.default(df,unique(gsub("_.*","",names(df))))
      )
    )
  ),ind <- sapply(
    ind,function(x) {
      paste0(grep(paste0("^",x),names(df),value = TRUE),collapse = "-"
      )
    }
  )
)

给出

      ind     values
1 A_y-A_p  0.9995544
2 B_y-B_p  0.1585501
3 C_y-C_p -0.6004010

数据

df <- structure(list(A_y = c(15L,30L,10L),B_y = c(52L,99L,25L),C_y = c(32L,60L,31L),A_p = c(30L,56L,20L),B_p = c(98L,46L,22L),C_p = c(56L,25L,30L)),class = "data.frame",row.names = c("1","2","3"))

correlation r r