为了能够获得数据框中所有数值变量之间的成对相关性和显着性水平，我编写了以下小函数：
corwithsign=function(df,type="pearson") {
df=df[,sapply(df, is.numeric)] # only keep numeric variables in data frame
vars=names(df)
nvars=length(vars)
nvals=(nvars*nvars-nvars)/2 # number of pairwise correlations between the variables
vars1=vars2=cors=pvals=n=vector("numeric",nvals) # make empty vectors to store results
row=1 # row of output table
for (v1 in (1:(nvars-1))) {
for (v2 in ((v1+1):nvars)) {
var1=vars[[v1]]; var2=vars[[v2]]
vars1[[row]]=var1; vars2[[row]]=var2
out=cor.test(df[,var1],df[,var2],use="pairwise.complete.obs",method=type)
cors[[row]]=out$estimate
pvals[[row]]=out$p.value
n[[row]]=out$parameter+2 # df + 2
row=row+1
}
}
data.frame(cbind(var1=vars1,var2=vars2,r=cors,p=pvals,n),row.names=NULL)
}
corwithsign(mtcars,type="pearson")
var1 var2 r p n
1 mpg cyl -0.852161959426613 6.11268714258096e-10 31
2 mpg disp -0.847551379262479 9.3803265373813e-10 31
3 mpg hp -0.776168371826586 1.78783525412106e-07 31
4 mpg drat 0.681171907806749 1.77623992874132e-05 31
5 mpg wt -0.867659376517228 1.29395870135052e-10 31
6 mpg qsec 0.418684033921778 0.0170819884965197 31
7 mpg vs 0.664038919127593 3.41593725443623e-05 31
8 mpg am 0.599832429454648 0.000285020743935105 31
9 mpg gear 0.480284757338842 0.00540094822470749 31
10 mpg carb -0.550925073902459 0.00108444622049168 31
...
我只是想知道是否有更短更优雅的方法可以做到这一点，或者这种功能是否已经在某些包中实现？（我在 Hmisc 中看到了对 rcorr 的一些引用，但它输出了两个矩阵，这对我没有好处，因为我只想输出一个数据帧）。
有什么想法吗？
干杯，汤姆