web-dev-qa-db-fra.com

Corrélation entre plusieurs variables d'un bloc de données

J'ai un data.frame de 10 variables dans R. Permet de les appeler var1var2...var10

Je veux trouver la corrélation de l'un des var1 par rapport à var2, var3 ... var10

Comment peut-on faire ça?

La fonction cor permet de trouver une corrélation entre 2 variables à la fois. En utilisant cela, je devais écrire la fonction cor pour chaque analyse.

rcorrelation
5
Milind Kumar

Mon paquetage corrr, qui aide à explorer les corrélations, a une solution simple pour cela. Je vais utiliser le jeu de données mtcars comme exemple et dire que nous voulons nous concentrer sur la corrélation de mpg avec toutes les autres variables.

install.packages("corrr")  # though keep eye out for new version coming soon
library(corrr)
mtcars %>% correlate() %>% focus(mpg)


#>    rowname        mpg
#>      <chr>      <dbl>
#> 1      cyl -0.8521620
#> 2     disp -0.8475514
#> 3       hp -0.7761684
#> 4     drat  0.6811719
#> 5       wt -0.8676594
#> 6     qsec  0.4186840
#> 7       vs  0.6640389
#> 8       am  0.5998324
#> 9     gear  0.4802848
#> 10    carb -0.5509251

Ici, correlate() produit un cadre de données de corrélation et focus() vous permet de vous concentrer sur les corrélations de certaines variables avec toutes les autres.

Pour votre information, focus() fonctionne de manière similaire à select() du paquet dplyr, à la différence qu’il modifie les lignes ainsi que les colonnes. Donc, si vous connaissez select(), vous devriez trouver qu'il est facile à utiliser focus(). Par exemple.:

mtcars %>% correlate() %>% focus(mpg:drat)

#>   rowname        mpg        cyl       disp         hp        drat
#>     <chr>      <dbl>      <dbl>      <dbl>      <dbl>       <dbl>
#> 1      wt -0.8676594  0.7824958  0.8879799  0.6587479 -0.71244065
#> 2    qsec  0.4186840 -0.5912421 -0.4336979 -0.7082234  0.09120476
#> 3      vs  0.6640389 -0.8108118 -0.7104159 -0.7230967  0.44027846
#> 4      am  0.5998324 -0.5226070 -0.5912270 -0.2432043  0.71271113
#> 5    gear  0.4802848 -0.4926866 -0.5555692 -0.1257043  0.69961013
#> 6    carb -0.5509251  0.5269883  0.3949769  0.7498125 -0.09078980
4
Simon Jackson

Une autre solution consisterait à utiliser les bibliothèques Hmisc et corrplot pour obtenir des corrélations entre toutes les paires, leur signification et une jolie courbe comme celle-ci:

#Your data frame (4 variables instead of 10)    
df<-data.frame(a=c(1:100),b=rpois(1:100,.2),c=rpois(1:100,.4),d=rpois(1:100,.8),e=2*c(1:100))

#setup 
library(Hmisc) 
library(corrplot)

 df<-scale(df)# normalize the data frame. This will also convert the df to a matrix.  

corr<-rcorr(df) # compute Pearson's (or spearman's corr) with rcorr from Hmisc package. I like rcorr as it allows to separately access the correlations, the # or observations and the p-value. ?rcorr is worth a read.
corr_r<-as.matrix(corr[[1]])# Access the correlation matrix. 
corr_r[,1]# subset the correlation of "a" (=var1 ) with the rest if you want.
pval<-as.matrix(corr[[3]])# get the p-values

corrplot(corr_r,method="circle",type="lower",diag=FALSE,tl.col="black",tl.cex=1,tl.offset=0.1,tl.srt=45)# plot all pairs

corrplot(corr_r,p.mat = pval,sig.level=0.05,insig = "blank",method="circle",type="lower",diag=FALSE,tl.col="black",tl.cex=1,tl.offset=0.1,tl.srt=45)# plot pairs with significance cutoff defined by "p.mat"
0
thisisrg