데이터 프레임의 여러 변수 간의 상관 관계

Question

R에 10 개의 변수 중 data.frame이 있습니다. 그들에게 var1var2를 ... 전화하자 내가 var2, var3에 대한 var1 중 하나의 상관 관계를 발견 할

var10 ... var10

우리가 어떻게 할 수 있습니까?

cor 함수는 한 번에 2 개의 변수 사이의 상관 관계를 찾을 수 있습니다. 이를 사용하여 각 분석에 대해 cor 함수를 작성해야했습니다.

Answer 1

내 패키지 corrr은 상관 관계를 탐색하는 데 도움이되는 간단한 솔루션입니다. 예를 들어 mtcars 데이터 세트를 사용하고 다른 모든 변수와 mpg의 상관 관계에 초점을 맞추고 싶다고 가정 해 보겠습니다. 여기

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 

, correlate()는 상관 데이터 프레임을 생성하고, focus() 당신이 모든 다른 사람과 특정 변수의 상관 관계에 초점을 맞출 수 있습니다.

FYI, focus()은 dplyr 패키지의 select()과 비슷하지만 행과 열을 변경한다는 점만 다릅니다. 따라서 select()에 익숙하다면 쉽게 focus()을 사용해야합니다. 예 :

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 

Answer 2

또 다른 방법은 모든 쌍, 의미 등과 같은 꽤 플롯 사이의 상관 관계를 얻을 수 Hmisc 및 corrplot으로 라이브러리 사용하는 것입니다 : 당신이 문에 적용 사용할 수

#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"