حساب الارتباط - cor () - لمجموعة فرعية فقط من الأعمدة

Question

لديّ بيانات بيانات وأرغب في حساب علاقه مترابطه (مع Spearman ، البيانات فئوية ومرتبة) ولكن فقط لمجموعة فرعية من الأعمدة. حاولت مع كل شيء ، لكن R's كور() تقبل الوظيفة فقط البيانات العددية (يجب أن تكون x رقمية ، كما تقول رسالة الخطأ) ، حتى لو تم استخدام Spearman.

تتمثل إحدى الأساليب الغاشمة في حذف الأعمدة غير العادية من DataFrame. هذا ليس أنيقًا ، بالنسبة للسرعة ، ما زلت لا أريد حساب الارتباطات بين الكل الأعمدة.

آمل أن تكون هناك طريقة لقول ببساطة "حساب الارتباطات للأعمدة X و Y و Z". يمكن أن المراجع العمود حسب الرقم أو بالاسم. أفترض أن الطريقة المرنة لتزويدهم ستكون من خلال ناقل.

أي اقتراحات موضع تقدير.

Answer 1

إذا كان لديك بيانات بيانات حيث تكون بعض الأعمدة رقمية وبعضها آخر (حرف أو عامل) وتريد فقط القيام بالارتباطات للأعمدة الرقمية ، فيمكنك القيام بما يلي:

set.seed(10)

x = as.data.frame(matrix(rnorm(100), ncol = 10))
x$L1 = letters[1:10]
x$L2 = letters[11:20]

cor(x)

Error in cor(x) : 'x' must be numeric

لكن

cor(x[sapply(x, is.numeric)])

             V1         V2          V3          V4          V5          V6          V7
V1   1.00000000  0.3025766 -0.22473884 -0.72468776  0.18890578  0.14466161  0.05325308
V2   0.30257657  1.0000000 -0.27871430 -0.29075170  0.16095258  0.10538468 -0.15008158
V3  -0.22473884 -0.2787143  1.00000000 -0.22644156  0.07276013 -0.35725182 -0.05859479
V4  -0.72468776 -0.2907517 -0.22644156  1.00000000 -0.19305921  0.16948333 -0.01025698
V5   0.18890578  0.1609526  0.07276013 -0.19305921  1.00000000  0.07339531 -0.31837954
V6   0.14466161  0.1053847 -0.35725182  0.16948333  0.07339531  1.00000000  0.02514081
V7   0.05325308 -0.1500816 -0.05859479 -0.01025698 -0.31837954  0.02514081  1.00000000
V8   0.44705527  0.1698571  0.39970105 -0.42461411  0.63951574  0.23065830 -0.28967977
V9   0.21006372 -0.4418132 -0.18623823 -0.25272860  0.15921890  0.36182579 -0.18437981
V10  0.02326108  0.4618036 -0.25205899 -0.05117037  0.02408278  0.47630138 -0.38592733
              V8           V9         V10
V1   0.447055266  0.210063724  0.02326108
V2   0.169857120 -0.441813231  0.46180357
V3   0.399701054 -0.186238233 -0.25205899
V4  -0.424614107 -0.252728595 -0.05117037
V5   0.639515737  0.159218895  0.02408278
V6   0.230658298  0.361825786  0.47630138
V7  -0.289679766 -0.184379813 -0.38592733
V8   1.000000000  0.001023392  0.11436143
V9   0.001023392  1.000000000  0.15301699
V10  0.114361431  0.153016985  1.00000000

Answer 2

للبيانات العددية لديك الحل. لكنها بيانات قاطعة ، قلت. ثم تصبح الحياة أكثر تعقيدًا ...

حسنًا ، أولاً: لا يتم قياس مقدار الارتباط بين متغيرين قاطعين مع ارتباط رتبة سبيرمان ، ولكن مع اختبار chi-square على سبيل المثال. وهو المنطق في الواقع. الترتيب يعني أن هناك بعض الطلبات في بياناتك. أخبرني الآن ما هو أكبر ، أصفر أم أحمر؟ أعلم أنه في بعض الأحيان يقوم R بإجراء ارتباط رتبة سبيرمان على البيانات الفئوية. إذا كنت رمز الأصفر 1 والأحمر 2 ، فإن R تعتبر أحمر أكبر من الأصفر.

لذلك ، ننسى Spearman للبيانات الفئوية. سأوضح اختبار Chisq وكيفية اختيار الأعمدة باستخدام Combn (). لكنك ستستفيد من المزيد من الوقت مع كتاب Agresti:http://www.amazon.com/categorical-analysis-wiley-probability-statistics/dp/0471360937

set.seed(1234)
X <- rep(c("A","B"),20)
Y <- sample(c("C","D"),40,replace=T)

table(X,Y)
chisq.test(table(X,Y),correct=F)
# I don't use Yates continuity correction

#Let's make a matrix with tons of columns

Data <- as.data.frame(
          matrix(
            sample(letters[1:3],2000,replace=T),
            ncol=25
          )
        )

# You want to select which columns to use
columns <- c(3,7,11,24)
vars <- names(Data)[columns]

# say you need to know which ones are associated with each other.
out <-  apply( combn(columns,2),2,function(x){
          chisq.test(table(Data[,x[1]],Data[,x[2]]),correct=F)$p.value
        })

out <- cbind(as.data.frame(t(combn(vars,2))),out)

ثم يجب أن تحصل على:

> out
   V1  V2       out
1  V3  V7 0.8116733
2  V3 V11 0.1096903
3  V3 V24 0.1653670
4  V7 V11 0.3629871
5  V7 V24 0.4947797
6 V11 V24 0.7259321

حيث يشير V1 و V2 بين المتغيرات التي يذهب إليها ، و "خارج" يعطي قيمة p للترابط. هنا جميع المتغيرات مستقلة. الذي تتوقعه ، حيث قمت بإنشاء البيانات بشكل عشوائي.

Answer 3

لقد وجدت طريقة أسهل من خلال النظر إلى البرنامج النصي الذي تم إنشاؤه بواسطة حشرجة الموت. يبدو أدناه:

correlations <- cor(mydata[,c(1,3,5:87,89:90,94:98)], use="pairwise", method="spearman")

Answer 4

خيار آخر هو مجرد استخدام الممتاز corrr حزمة https://github.com/drsimonj/corrr وافعل

require(corrr)
require(dplyr)

myData %>% 
   select(x,y,z) %>%  # or do negative or range selections here
   correlate() %>%
   rearrange() %>%  # rearrange by correlations
   shave() # Shave off the upper triangle for a cleaner result

الخطوتين 3 و 4 اختياريين تمامًا ويتم تضمينهما فقط لإثبات فائدة الحزمة.