将相关性应用于 R 中的所有列

Question

我正在尝试应用单个函数来查找所有数字列与目标变量之间的相关性（单独地，一个一个地）

这是我能够确定单个列的相关性的代码。我试图将相关性限制在 0.4 以上：

> if(abs(cor(train$YearBuilt, train$SalePrice)) > .4) {
+       print(abs(cor(train$YearBuilt, train$SalePrice)))
+     }
[1] 0.5228973

我希望能够打印列名后跟相关性，然后是下一个列名及其相关性等。

Answer 1

这是一个寻找 iris$Petal.Length 与其他数值变量相关性的示例：

vars <- c("Sepal.Length", "Sepal.Width", "Petal.Width")
all <- lapply(vars, function(i) list(x= iris[,i], y=iris[,"Petal.Length"]))
lapply(all, function(x) do.call(cor, x))

[[1]]
[1] 0.8717538

[[2]]
[1] -0.4284401

[[3]]
[1] 0.9628654

Answer 2

一种可能是使用 dplyr。有点放纵管道，但它会按 0.4 过滤并保留变量名。

> train = select(iris, -Species)
> head(train)
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          4.7         3.2          1.3         0.2
4          4.6         3.1          1.5         0.2
5          5.0         3.6          1.4         0.2
6          5.4         3.9          1.7         0.4
> train %>% 
+   summarize_all(funs(cor(., iris$Sepal.Length))) %>% 
+   t() %>% 
+   as.data.frame() %>% 
+   rownames_to_column("var") %>% 
+   rename(cors = V1) %>% 
+   filter(cors > 0.4)
           var      cors
1 Sepal.Length 1.0000000
2 Petal.Length 0.8717538
3  Petal.Width 0.8179411

将相关性应用于 R 中的所有列

applying correlation to all columns in R

r

correlation