1

我有以下形式的数据：

df <- data.frame(group = c(rep(1,5),rep(2,5),rep(3,5),rep(4,5),rep(5,5)),
                  thing = c(rep(c('a','b','c','d','e'),5)),
                  score = c(1,1,0,0,1,1,1,0,1,0,1,1,1,0,0,0,1,1,0,1,0,1,0,1,0))

它报告了一堆“组”的每个“事物”的“分数”。

我想创建相关矩阵，该矩阵根据各组分数的相关性显示所有“事物”的成对分数相关性：

         thing_a thing_b thing_c thing_d thing_e
thing_a  1       .       .       .       .
thing_b  corr    1       .       .       .
thing_c  corr    corr    1       .       .
thing_d  corr    corr    corr    1       .
thing_e  corr    corr    corr    corr    1

例如，事物“a”和事物“b”之间相关性的基础数据将是：

group  thing_a_score  thing_b_score
1      1              1
2      1              1
3      1              1
4      0              1
5      0              1

实际上，唯一组的数量约为 1,000，事物的数量约为 10,000，因此我需要一种比蛮力 for 循环更有效的方法。

我不需要得到的相关矩阵在单个矩阵中，甚至不需要在矩阵本身中（即，它可以是一组具有三列“ thing_1 thing_2 corr”的数据集）。

4

1 回答 1

2

您可以dcast先获取数据并使用cor()函数获取相关矩阵：

library(data.table)
dt <- data.table(
  group = c(rep(1,5),rep(2,5),rep(3,5),rep(4,5),rep(5,5)),
  thing = c(rep(c('a','b','c','d','e'),5)),
  score = c(1,1,0,0,1,1,1,0,1,0,1,1,1,0,0,0,1,1,0,1,0,1,0,1,0)
)
dt

m <- dcast(dt, group ~ thing, value.var = "score")

cor(m[, -1])

data.table通常是高性能的，但如果它不适合您，请编写一个可重复的示例来生成大量数据，有人可能会在不同的解决方案上对速度和内存进行基准测试。

于 2019-10-13T22:09:42.957 回答