r - R data.table 中组之间的相关性

Question

如果这些值按组存储在 data.table 的单个列中(而不是将 data.table 转换为矩阵)，是否可以优雅地计算值之间的相关性？

library(data.table)
set.seed(1)             # reproducibility
dt <- data.table(id=1:4, group=rep(letters[1:2], c(4,4)), value=rnorm(8))
setkey(dt, group)

#    id group      value
# 1:  1     a -0.6264538
# 2:  2     a  0.1836433
# 3:  3     a -0.8356286
# 4:  4     a  1.5952808
# 5:  1     b  0.3295078
# 6:  2     b -0.8204684
# 7:  3     b  0.4874291
# 8:  4     b  0.7383247

有用的东西，但需要组名作为输入:

cor(dt["a"]$value, dt["b"]$value)
# [1] 0.1556371

我正在寻找更多类似的东西:

dt[, cor(value, value), by="group"]

但这并没有给我我所追求的相关性。

对于具有正确结果的矩阵，这是相同的问题。

set.seed(1)             # reproducibility
m <- matrix(rnorm(8), ncol=2)
dimnames(m) <- list(id=1:4, group=letters[1:2])

#        group
# id           a          b
#   1 -0.6264538  0.3295078
#   2  0.1836433 -0.8204684
#   3 -0.8356286  0.4874291
#   4  1.5952808  0.7383247

cor(m)                  # correlations between groups

#           a         b
# a 1.0000000 0.1556371
# b 0.1556371 1.0000000

任何意见或帮助非常感谢。

Answer 1

使用 data.table 没有简单的方法可以做到这一点。 .您提供的第一种方式:

cor(dt["a"]$value, dt["b"]$value)

大概是最简单的了。

另一种选择是 reshape您的 data.table来自 "long"格式，到 "wide"格式:

> dtw <- reshape(dt, timevar="group", idvar="id", direction="wide")
> dtw
   id    value.a    value.b
1:  1 -0.6264538  0.3295078
2:  2  0.1836433 -0.8204684
3:  3 -0.8356286  0.4874291
4:  4  1.5952808  0.7383247
> cor(dtw[,list(value.a, value.b)])
          value.a   value.b
value.a 1.0000000 0.1556371
value.b 0.1556371 1.0000000

更新:如果您使用的是 data.table版本 >= 1.9.0，那么你可以使用 dcast.data.table相反，这会快得多。查询 this post了解更多信息。

dcast.data.table(dt, id ~ group)