使用循环根据 R 中的子集数据计算相关性

Question

我有一个大型数据集，其中一列包含多个产品，每个产品的信息包括前几年的零售单位和每周数量。我正在尝试编写一个 for 循环，该循环按产品名称对数据进行子集化，并针对每个产品的行数计算单位零售和数量之间的相关性。

我已经能够根据产品对数据进行子集化并计算相关性，但是产品很多，实现一个循环来遍历每个独特的产品会更有好处。

数据集示例：

`Category Label` `Fiscal Year`     `Fiscal Week`               `Net Sales` `Extended Quantity`    `Unit Retail`         `Log QTY`            `Log Retail`
   <chr>             <chr>             <chr>                        <dbl>             <dbl>            <dbl>           <dbl>            <dbl>
 1 LOOSE CITRUS      FY2018            FY2018-P01-W1              170833.           204901.            0.834            12.2           -0.182
 2 LOOSE CITRUS      FY2018            FY2018-P01-W2              158609.           187650.            0.845            12.1           -0.168
 3 LOOSE CITRUS      FY2018            FY2018-P01-W3              163580.           196313.            0.833            12.2           -0.182
 4 LOOSE CITRUS      FY2018            FY2018-P01-W4              146240.           185984.            0.786            12.1           -0.240
 5 LOOSE CITRUS      FY2018            FY2018-P02-W1              147494.           171036.            0.862            12.0           -0.148
 6 LOOSE ONIONS      FY2018            FY2018-P01-W1               88802.            78446.             1.13            11.3            0.124
 7 LOOSE ONIONS      FY2018            FY2018-P01-W2               77365.            66898.             1.16            11.1            0.145
 8 LOOSE ONIONS      FY2018            FY2018-P01-W3               88026.            75055.             1.17            11.2            0.159
 9 LOOSE ONIONS      FY2018            FY2018-P01-W4              114720.            97051.             1.18            11.5            0.167
10 LOOSE ONIONS      FY2018            FY2018-P02-W1               95746.            82128.             1.17            11.3            0.153

#subset data into own df based on category
allProduce_split <- split(allProduce, allProduce$`Category Label`)

#correlation
cor_produce <- cor(allProduce_split$LOOSE CITRUS$`Unit Retail`, 
                   allProduce_split$LOOSE CITRUS$`Extended Quantity`)

而不只是 return 示例中“LOOSE CITRUS”产品的相关性，我希望有一个 table 包含每个产品名称的单行以及单位之间的相关性所有 5 个财政周的零售和数量。例如：

'Category Label'     'Cor'
LOOSE CITRUS          .5363807
LOOSE ONIONS          .6415218
product C             .6498723
Product D             -.451258
Product E             .0012548

Answer 1

尝试：

library(dplyr)



   df <-allProduce %>% group_by(Category Label) %>% mutate(correlation = cor(Unit Retail,Extended Quantity))

Answer 2

考虑 by，它类似于 split，但允许使用第三个参数将任何函数应用于子集。在您的情况下，您的函数可以构建产品标签和关联结果的数据框：

df_list <- by(allProduce, allProduce$`Category Label`, function(sub)
    data.frame(product = sub$Category_Label[1],
               cor_produce = cor(sub$`Unit Retail`,
                                 sub$`Extended Quantity`)
               )
)

final_df <- do.call(rbind, unname(df_list))

或者，您仍然可以使用 split，然后运行和 lapply:

allProduce_split <- split(allProduce, allProduce$`Category Label`)

df_list <- lapply(allProduce_split, function(sub)
    data.frame(product = sub$Category_Label[1],
               cor_produce = cor(sub$`Unit Retail`,
                                 sub$`Extended Quantity`)
               )
)

final_df <- do.call(rbind, unname(df_list))

使用循环根据 R 中的子集数据计算相关性

Using a loop to calculate correlation based on subset data in R

r

correlation