La corrélation entre plusieurs variables d'un bloc de données

J'ai un data.frame de 10 Variables dans R. Appelons les var1 var2...var10

Je veux trouver la corrélation de l'un des var1 à l'égard de
var2, var3 ... var10

Comment pouvons-nous faire?

cor fonction peut trouver la corrélation entre les 2 variables à la fois. Par l'aide que j'ai eu à écrire cor fonction pour chaque Analyse

Vous pouvez utiliser un appliquer déclaration: apply(iris[,2:4],2, function(x) cor(x, iris$Sepal.Length) )
Vous pouvez utiliser cor(data.frame) qui vous donnera une matrice de corrélations entre toutes les variables. Juste en extraire les éléments pertinents de ligne/colonne de cette matrice .
cor(dat$var1, dat[c( "var2", "var3", "var4")]). Donc, à l'aide de Philip exemple, cor(iris$Sepal.Length, iris[2:4])
kumar. voulez-vous accepter selon la réponse qui a fonctionné pour vous. Voici comment faire: stackoverflow.com/help/someone-answers

OriginalL'auteur Milind Kumar | 2016-07-24

  1. 4

    Mon colis corrr, qui permet d'explorer les corrélations, a une solution simple pour cela. Je vais utiliser le mtcars ensemble de données comme un exemple, et dire que nous voulons nous concentrer sur la corrélation de mpg avec toutes les autres variables.

    install.packages("corrr")  # though keep eye out for new version coming soon
library(corrr)
mtcars %>% correlate() %>% focus(mpg)


#>    rowname        mpg
#>      <chr>      <dbl>
#> 1      cyl -0.8521620
#> 2     disp -0.8475514
#> 3       hp -0.7761684
#> 4     drat  0.6811719
#> 5       wt -0.8676594
#> 6     qsec  0.4186840
#> 7       vs  0.6640389
#> 8       am  0.5998324
#> 9     gear  0.4802848
#> 10    carb -0.5509251

    Ici, correlate() produit une corrélation de bloc de données, et focus() vous permet de vous concentrer sur les corrélations de certaines variables avec tous les autres.

    Pour info, focus() fonctionne de façon similaire à select() de la dplyr paquet, sauf qu'il modifie les lignes ainsi que des colonnes. Donc, si vous êtes familier avec select(), vous devriez le trouver facile à utiliser focus(). E. g.:

    mtcars %>% correlate() %>% focus(mpg:drat)

#>   rowname        mpg        cyl       disp         hp        drat
#>     <chr>      <dbl>      <dbl>      <dbl>      <dbl>       <dbl>
#> 1      wt -0.8676594  0.7824958  0.8879799  0.6587479 -0.71244065
#> 2    qsec  0.4186840 -0.5912421 -0.4336979 -0.7082234  0.09120476
#> 3      vs  0.6640389 -0.8108118 -0.7104159 -0.7230967  0.44027846
#> 4      am  0.5998324 -0.5226070 -0.5912270 -0.2432043  0.71271113
#> 5    gear  0.4802848 -0.4926866 -0.5555692 -0.1257043  0.69961013
#> 6    carb -0.5509251  0.5269883  0.3949769  0.7498125 -0.09078980
    Bonjour, savez-vous comment faire pour afficher les valeurs de p de focus() ?
    corrr ne permet pas de calculer les valeurs de p, mais la question a été soulevée avant (par exemple cette question: github.com/drsimonj/corrr/issues/44).
    merci! Je vais vérifier!

    OriginalL'auteur Simon Jackson

  2. 0

    Une autre solution serait d'utiliser les bibliothèques Hmisc et corrplot pour obtenir des corrélations entre toutes les paires, une signification et une jolie parcelle de la sorte :

    #Your data frame (4 variables instead of 10)    
df<-data.frame(a=c(1:100),b=rpois(1:100,.2),c=rpois(1:100,.4),d=rpois(1:100,.8),e=2*c(1:100))

#setup 
library(Hmisc) 
library(corrplot)

 df<-scale(df)# normalize the data frame. This will also convert the df to a matrix.  

corr<-rcorr(df) # compute Pearson's (or spearman's corr) with rcorr from Hmisc package. I like rcorr as it allows to separately access the correlations, the # or observations and the p-value. ?rcorr is worth a read.
corr_r<-as.matrix(corr[[1]])# Access the correlation matrix. 
corr_r[,1]# subset the correlation of "a" (=var1 ) with the rest if you want.
pval<-as.matrix(corr[[3]])# get the p-values

corrplot(corr_r,method="circle",type="lower",diag=FALSE,tl.col="black",tl.cex=1,tl.offset=0.1,tl.srt=45)# plot all pairs

corrplot(corr_r,p.mat = pval,sig.level=0.05,insig = "blank",method="circle",type="lower",diag=FALSE,tl.col="black",tl.cex=1,tl.offset=0.1,tl.srt=45)# plot pairs with significance cutoff defined by "p.mat"

    OriginalL'auteur thisisrg