当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R corrr correlate 相关 DataFrame


stats::cor() 的实现,它返回相关数据帧而不是矩阵。请参阅下面的详细信息。其他调整包括默认使用成对删除。

用法

correlate(
  x,
  y = NULL,
  use = "pairwise.complete.obs",
  method = "pearson",
  diagonal = NA,
  quiet = FALSE
)

参数

x

数值向量、矩阵或 DataFrame 。

y

NULL (默认)或与 x 具有兼容尺寸的向量、矩阵或 DataFrame 。默认值相当于y = x(但效率更高)。

use

一个可选字符串,提供在存在缺失值的情况下计算协方差的方法。这必须是字符串 "everything""all.obs""complete.obs""na.or.complete""pairwise.complete.obs" 之一(的缩写)。

method

指示要计算哪个相关系数(或协方差)的字符串。 "pearson" (默认)、"kendall""spearman" 之一:可以缩写。

diagonal

将对角线设置为的值(通常为数字或 NA)

quiet

设置为 TRUE 可抑制有关 methoduse 参数的消息。

相关数据帧cor_df

细节

该函数返回一个相关矩阵作为相关数据帧,格式如下:

  • 一个小标题(参见tibble)

  • 附加课程"cor_df"

  • "term" 列

  • 标准化方差(矩阵对角线)默认设置为缺失值 ( NA ),因此在计算中可以忽略它们。

use 参数及其可能值继承自 stats::cor()

  • "everything":NA 将在概念上传播,即每当其贡献观察值之一为 NA 时,结果值将为 NA

  • "all.obs":缺少观测值的存在将产生错误

  • "complete.obs":相关性将从完整的观察结果中计算出来,如果没有完整的案例,则会出现错误。

  • "na.or.complete":相关性将从完整的观察结果中计算出来,如果没有完整的案例,则返回 NA。

  • "pairwise.complete.obs":每对变量之间的相关性是使用这些特定变量的所有完整对来计算的。

从版本 0.4.3 开始,cor_df 对象的第一列名为 "term"。在以前的版本中,第一列被命名为"rowname"。

有一种 ggplot2::autoplot() 方法可以快速可视化相关矩阵,有关更多信息,请参阅 autoplot.cor_df()

例子

if (FALSE) {
correlate(iris)
}

correlate(iris[-5])
#> Correlation computed with
#> • Method: 'pearson'
#> • Missing treated using: 'pairwise.complete.obs'
#> # A tibble: 4 × 5
#>   term         Sepal.Length Sepal.Width Petal.Length Petal.Width
#>   <chr>               <dbl>       <dbl>        <dbl>       <dbl>
#> 1 Sepal.Length       NA          -0.118        0.872       0.818
#> 2 Sepal.Width        -0.118      NA           -0.428      -0.366
#> 3 Petal.Length        0.872      -0.428       NA           0.963
#> 4 Petal.Width         0.818      -0.366        0.963      NA    

correlate(mtcars)
#> Correlation computed with
#> • Method: 'pearson'
#> • Missing treated using: 'pairwise.complete.obs'
#> # A tibble: 11 × 12
#>    term     mpg    cyl   disp     hp    drat     wt    qsec     vs      am
#>    <chr>  <dbl>  <dbl>  <dbl>  <dbl>   <dbl>  <dbl>   <dbl>  <dbl>   <dbl>
#>  1 mpg   NA     -0.852 -0.848 -0.776  0.681  -0.868  0.419   0.664  0.600 
#>  2 cyl   -0.852 NA      0.902  0.832 -0.700   0.782 -0.591  -0.811 -0.523 
#>  3 disp  -0.848  0.902 NA      0.791 -0.710   0.888 -0.434  -0.710 -0.591 
#>  4 hp    -0.776  0.832  0.791 NA     -0.449   0.659 -0.708  -0.723 -0.243 
#>  5 drat   0.681 -0.700 -0.710 -0.449 NA      -0.712  0.0912  0.440  0.713 
#>  6 wt    -0.868  0.782  0.888  0.659 -0.712  NA     -0.175  -0.555 -0.692 
#>  7 qsec   0.419 -0.591 -0.434 -0.708  0.0912 -0.175 NA       0.745 -0.230 
#>  8 vs     0.664 -0.811 -0.710 -0.723  0.440  -0.555  0.745  NA      0.168 
#>  9 am     0.600 -0.523 -0.591 -0.243  0.713  -0.692 -0.230   0.168 NA     
#> 10 gear   0.480 -0.493 -0.556 -0.126  0.700  -0.583 -0.213   0.206  0.794 
#> 11 carb  -0.551  0.527  0.395  0.750 -0.0908  0.428 -0.656  -0.570  0.0575
#> # … with 2 more variables: gear <dbl>, carb <dbl>
#> # ℹ Use `colnames()` to see all variable names
if (FALSE) {

# Also supports DB backend and collects results into memory

library(sparklyr)
sc <- spark_connect(master = "local")
mtcars_tbl <- copy_to(sc, mtcars)
mtcars_tbl %>%
  correlate(use = "pairwise.complete.obs", method = "spearman")
spark_disconnect(sc)
}

源代码:R/correlate.R

相关用法


注:本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Correlation Data Frame。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。