与之相关

Question

DATA = data.frame("GROUP" = sort(rep(1:4, 200)),
                  "TYPE" = rep(1:2, 400),
                  "TIME" = rep(100:101, 400),
                  "SCORE" = sample(1:100,r=T,800))

欢呼，

我有“数据”，并希望以这种方式估算每个时间的分数和分数和类型组合的分数和类型组合的相关值：

Answer 1

我假设您想计算每种时间和类型组合的组1-2、1-3、1-4之类的相关性。这是一种方法：

# create the dataset
set.seed(123)
df <- data.frame("group" = sort(rep(1:4, 200)),
                 "type" = rep(1:2, 400),
                 "time" = rep(100:101, 400),
                 "score" = sample(1:100,r=T,800))
library(tidyr)
library(purrr)
library(data.table)

# another dataset to filter combinations 
# (G1G2 is same G2G1, so remove G2G1)
df2 <- combn(4, 2) %>% t %>% 
    as_tibble() %>% 
    rename(group1 = V1, group2 = V2) %>% 
    mutate(value = TRUE)

df %>% 
    
    # add identifiers per group
    group_by(time, type, group) %>% 
    mutate(id = row_number()) %>% 
    ungroup() %>% 
    
    # nest data to get separate tibble for each
    # combination of time and type
    nest(data = -c(time, type)) %>% 
    
    # convert each data.frame to data.table
    mutate(dt = map(data, function(dt){
        setDT(dt)
        setkey(dt, id)
        dt
    })) %>% 
    
    # correlation between groups in R
    # refer answer below for more details
    # https://stackoverflow.com/a/26357667/15221658
    
    # cartesian join of dts
    mutate(dtj = map(dt, ~.[., allow.cartesian = TRUE])) %>% 
    
    # compute between group correlation
    mutate(cors = map(dtj, ~.[, list(cors = cor(score, i.score)), by = list(group, i.group)])) %>% 
    
    # unnest correlation object
    unnest(cors) %>% 
    
    # formatting for display
    select(type, time, group1 = group, group2 = i.group, correlation = cors) %>% 
    filter(group1 != group2) %>%
    arrange(time, group1, group2) %>% 

    # now use df2 since currently we have G1G2, and G2G1
    # which are both equal so remove G2G1
    left_join(df2, by = c("group1", "group2")) %>% 
    filter(value) %>% 
    select(-value)

# A tibble: 12 x 5
    type  time group1 group2 correlation
   <int> <int>  <int>  <int>       <dbl>
 1     1   100      1      2     0.121  
 2     1   100      1      3     0.0543 
 3     1   100      1      4    -0.0694 
 4     1   100      2      3    -0.104  
 5     1   100      2      4    -0.0479 
 6     1   100      3      4    -0.0365 
 7     2   101      1      2    -0.181  
 8     2   101      1      3    -0.0673 
 9     2   101      1      4     0.00765
10     2   101      2      3     0.0904 
11     2   101      2      4    -0.0126 
12     2   101      3      4    -0.154 
    

Answer 2

这是一种替代方法，它可以创建time，type的所有唯一组合，并通过交叉加入 group group s group >然后计算得分的相关性 data的对应子集：

library(data.table) # development version 1.14.3 required
setDT(DATA, key = c("GROUP", "TYPE", "TIME"))[
  , CJ(time = TIME, type = TYPE, groupA = GROUP, groupB = GROUP, unique = TRUE)][
    groupA < groupB][
      , corType := paste0("G", groupA, "G", groupB)][][
        , corValue := cor(DATA[.(groupA, type, time), SCORE], 
                          DATA[.(groupB, type, time), SCORE]), 
        by = .I][]

 时间类型groupa groupb cortype corvalue
 1：100 1 1 2 G1G2 0.11523940
 2：100 1 1 3 G1G3 -0.05124326
 3：100 1 1 4 G1G4 -0.16943203
 4：100 1 2 3 G2G3 0.05475435
 5：100 1 2 4 G2G4 -0.10769738
 6：100 1 3 4 G3G4 0.01464146
 7：100 2 1 2 g1g2 na
 8：100 2 1 3 g1g3 na
 9：100 2 1 4 g1g4 na
10：100 2 2 3 G2G3 Na
11：100 2 2 4 G2G4 NA
12：100 2 3 4 G3G4 NA
13：101 1 1 2 g1g2 na
14：101 1 1 3 g1g3 na
15：101 1 1 4 g1g4 na
16：101 1 2 3 g2g3 na
17：101 1 2 4 G2G4 NA
18：101 1 3 4 G3G4 NA
19：101 2 1 2 G1G2 -0.04997479
20：101 2 1 3 G1G3 -0.02262932
21：101 2 1 4 G1G4 -0.00331578
22：101 2 2 3 G2G3 -0.01243952
23：101 2 2 4 G2G4 0.16683223
24：101 2 3 4 G3G4 -0.10556083
    时间类型group groupb cortype corvalue
 

说明

1. <代码>数据被胁迫到类data.table在列上设置键group，type和<代码>时间。 键盘以后快速子集是必需的。
2. 交叉加入 cj（）创建列的所有唯一组合time，type> type，group 和组（两次）。 交叉加入的列已重命名，以避免以后的名称冲突。
3. [Groupa＆lt; groupB]确保groupa和groupb仅出现一次的等效组合，例如，g2g1被删除以支持G1G2。因此，这是一种数据。
4. 新列cortype通过参考附加。
5. 最后，通过通过交叉加入表（使用by = .i）和子集data by 来计算组的相关性。 groupa，<代码>类型，time和groupb，type，time ，分别使用键使用快速子集。请，请参阅vignette norofollow noreferrer> 有关更多详细信息。
   请注意，by = .i是data.table开发版本1.14.3的新功能。

data中不存在的时间，类型和组的组合将出现在结果集中，但以na在列中标记为corvalue。

数据

set.seed(42) # required for reproducible data
DATA = data.frame("GROUP" = sort(rep(1:4, 200)),
                  "TYPE" = rep(1:2, 400),
                  "TIME" = rep(100:101, 400),
                  "SCORE" = sample(1:100, r=T, 800))