spearman 상관 관계 그룹 별 R

Question

R 그룹의 스피어 만 상관 관계 계산 방법은 다음과 같습니다. 그룹별로 피어슨 상관 관계를 말하는 다음 링크를 발견했습니다. 그러나 타입을 스피어 맨으로 대체하려고 시도했을 때 작동하지 않습니다.

https://stats.stackexchange.com/questions/4040/r-compute-correlation-by-group

Answer 1

어떻게 기본 R 솔루션 이것에 대해 : 다음

df <- data.frame(group = rep(c("G1", "G2"), each = 10), 
       var1 = rnorm(20), 
       var2 = rnorm(20)) 

r <- by(df, df$group, FUN = function(X) cor(X$var1, X$var2, method = "spearman")) 
# df$group: G1 
# [1] 0.4060606 
# ------------------------------------------------------------ 
# df$group: G2 
# [1] 0.1272727 

그리고, 당신은 data.frame의 형태로 결과를 원하는 경우 :

data.frame(group = dimnames(r)[[1]], corr = as.vector(r)) 
# group  corr 
# 1 G1 0.4060606 
# 2 G2 0.1272727 

을 편집 : plyr 기반 솔루션을 선호하는 경우 여기에 하나 :

여기

library(plyr) 
ddply(df, .(group), summarise, "corr" = cor(var1, var2, method = "spearman")) 

Answer 2

617,451,515,그것을 할 수있는 또 다른 방법 :

# split the data by group then apply spearman correlation 
# to each element of that list 
j <- lapply(split(df, df$group), function(x){cor(x[,2], x[,3], method = "spearman")}) 

# Bring it together 
data.frame(group = names(j), corr = unlist(j), row.names = NULL) 

내 방법, 조쉬의 방법을 비교하고, plyr 솔루션은 rbenchmark를 사용 : 출력을 제공

Dason <- function(){ 
    # split the data by group then apply spearman correlation 
    # to each element of that list 
    j <- lapply(split(df, df$group), function(x){cor(x[,2], x[,3], method = "spearman")}) 

    # Bring it together 
    data.frame(group = names(j), corr = unlist(j), row.names = NULL) 
} 

Josh <- function(){ 
    r <- by(df, df$group, FUN = function(X) cor(X$var1, X$var2, method = "spearman")) 
    data.frame(group = attributes(r)$dimnames[[1]], corr = as.vector(r)) 
} 

plyr <- function(){ 
    ddply(df, .(group), summarise, "corr" = cor(var1, var2, method = "spearman")) 
} 


library(rbenchmark) 
benchmark(Dason(), Josh(), plyr()) 

> benchmark(Dason(), Josh(), plyr()) 
    test replications elapsed relative user.self sys.self user.child sys.child 
1 Dason()   100 0.19 1.000000  0.19  0   NA  NA 
2 Josh()   100 0.24 1.263158  0.22  0   NA  NA 
3 plyr()   100 0.51 2.684211  0.52  0   NA  NA 

그래서 내 방법이 약간 빨라 보이지만 많이는 아닙니다. Josh의 방법이 좀 더 직관적이라고 생각합니다. 플라이 솔루션은 코드 작성이 가장 쉽지만 가장 빠르지는 않습니다 (하지만 훨씬 편리합니다)!

Answer 3

많은 수의 그룹에 대해 효율적인 솔루션을 원한다면 data.table이 좋습니다.

library(data.table) 
DT <- as.data.table(df) 
setkey(DT, group) 
DT[,list(corr = cor(var1,var2,method = 'spearman')), by = group]