cor()在小矩阵而不是大矩阵上给出缺失值错误

莎伦

我正在尝试使用cor()按相关性顺序返回最相关的元素。我编写了使cor()适应该功能的函数,它可以完美地运行,但是仅当我在较大的输入上运行它时才如此。当我尝试在较小的输入上运行它时,我得到一个缺失的值,其中TRUE / FALSE需要错误,而我不明白为什么?

这是我的输入数据的示例:

可以将其直接复制到R(通过write.table打印)中:

"Col2"  "Col3"  "Col4"  "Col5"  "Col6"
"Market Capitalization" NA  NA  17082.69    17879.8 16266.11
"Cash & Equivalents"    NA  NA  747 132 394
"Preferred & Other" NA  NA  0   0   0
"Total Debt"    NA  NA  12379   11982   11309
"Enterprise Value"  NA  NA  28714.69    29729.8 27181.11
"Total Revenue" 2896.75 3461.25 2818    3184    2901
"Growth % YoY"  -0.15   0.68    1.7 3.44    -0.48
"Gross Profit"  NA  NA  1874    2080    1981
"Margin %"  NA  NA  66.5    65.33   68.29
"EBITDA"    758 1074    641 777 699
"Margin %1" 26.17   31.03   22.75   24.4    24.1
"Net Income Before XO"  214.5   410 172 192 207
"Margin %2" 7.4 11.85   6.1 6.03    7.14
"Adjusted EPS"  0.7 1.42    0.59    1.07    0.69
"Growth % YoY1" 0.72    -1.67   -3.28   5.94    -6.76
"Cash from Operations"  375.79  812.21  991 -84 961
"Capital Expenditures"  NA  NA  -660    -676    -608
"Free Cash Flow"    NA  NA  331 -760    353
"Adjusted Price"    2094.66 3689.2  3805.62 3588.42 3582.4

这是我写的mycor()函数

mycor<-function(dataset, relative.to=19, neg.cor=0){

#This takes the dataset (as a matrix) and computes the best correleted value
#and returns the row (variable ID) that is the most strongly correlated
#to the variable row referenced by relative.to. Use neg.cor = 1 for neg correlation 

if(neg.cor == 0){
    best.cor <- -1.0 #Have to get better correlation then this
    best.cor.row <- integer() #The row with the best correlation
    all.cor <- numeric() #The correlation for everything else
    index <- 1 #The index for the all.cor array

    for(i in 1:nrow(dataset)){
        if(i != relative.to){ #No self correlation

            temp.cor <- cor(dataset[i,], dataset[relative.to,], use = "na.or.complete")
            all.cor[index] <- temp.cor
            index <- index+1 #I wish the ++ opperator worked in R...
            cat(best.cor)
            pause()
            if(temp.cor > best.cor){ #This remembers the best seen cor value
                best.cor <- temp.cor
                best.cor.row <- i 
            } #End inner if
        } #End outter if
    } #End for loop
}else{
    best.cor <- 1.0 #Have to get better correlation then this
    best.cor.row <- integer() #The row with the best correlation
    all.cor <- numeric() #The correlation for everything else
    index <- 1 #The index for the all.cor array

    for(i in 1:nrow(dataset)){
        if(i != relative.to){ #No self correlation

            temp.cor <- cor(dataset[i,], dataset[relative.to,], use = "na.or.complete")
            all.cor[index] <- temp.cor
            index <- index+1 #I wish the ++ opperator worked in R...

            if(temp.cor < best.cor){ #This remembers the worst seen cor value
                best.cor <- temp.cor
                best.cor.row <- i 
            } #End inner if
        } #End outter if
    } #End for loop
} #End else

return(list(all.cor = all.cor, best.cor.row = best.cor.row))
)

当我尝试运行此代码时,我得到:if(temp.cor> best.cor){:缺少需要TRUE / FALSE的值的错误关于这一点的奇怪之处在于,mycor函数可以完美地工作,并且当我给它更大的同一数据集块时也不会出错。

这是同一数据集的较大块。

也可以将其复制到R(通过write.table打印)中:

"Col2"  "Col3"  "Col4"  "Col5"  "Col6"  "Col7"  "Col8"  "Col9"  "Col10" "Col11" "Col12" "Col13" "Col14" "Col15" "Col16" "Col17" "Col18" "Col19" "Col20" "Col21" "Col22" "Col23" "Col24" "Col25" "Col26" "Col27" "Col28" "Col29" "Col30" "Col31" "Col32" "Col33" "Col34" "Col35" "Col36" "Col37" "Col38" "Col39" "Col40" "Col41" "Col42" "Col43" "Col44" "Col45" "Col46" "Col47" "Col48" "Col49" "Col50" "Col51" "Col52" "Col53" "Col54" "Col55" "Col56" "Col57" "Col58" "Col59" "Col60" "Col61" "Col62" "Col63" "Col64" "Col65" "Col66" "Col67" "Col68" "Col69" "Col70" "Col71" "Col72" "Col73" "Col74" "Col75" "Col76" "Col77" "Col78" "Col79" "Col80" "Col81" "Col82" "Col83" "Col84" "Col85" "Col86" "Col87" "Col88" "Col89" "Col90" "Col91" "Col92" "Col93" "Col94" "Col95" "Col96" "Col97" "Col98" "Col99" "Col100"    "Col101"    "Col102"    "Col103"    "Col104"    "Col105"    "Col106"    "Col107"    "Col108"    "Col109"    "Col110"    "Col111"
"Market Capitalization" NA  NA  17082.69    17879.8 16266.11    17540.1 18214.39    17110.13    18167.87    16700.24    15592.71    14824.06    14455.42    13685.56    12168.31    12550.1 12771.45    11273.2 10284.48    10863.21    10655.99    11750.74    10671.37    10818.32    13288.42    12558.8 12221.79    13213.51    12375.92    11854.12    10942.65    10689.79    11364.1 11887.9 11426.1 10249.34    10609.99    10167.51    9600.1  10001.68    9713.38 9184.3  9730.33 8249.64 9160.61 8586.38 8894.55 8908.81 11887.9 11426.1 10249.34    10609.99    10167.51    9600.1  10001.68    9713.38 9184.3  9730.33 8249.64 9160.61 8586.38 8894.55 8908.81 8566.69 8641.04 8444.84 7867.83 8163.04 7238.2  6279.55 6173.33 7376.47 9048.75 10095.35    10351.52    12311.04    12006.02    10785.58    11009.16    9655.09 7990.1  6918.52 7050.24 6844.2  6520.75 6873.11 7489.61 7459.85 7136.58 6930.38 6401.43 6048.8  5843.01 6224.43 6840.76 7529.23 8452.46 8247.48 8132.72 7632.03 7339.11 6549.2  6165.26 6535.8  5793.52 5621.57 5877.31 5391.98 4792.51 5362.35
"Cash & Equivalents"    NA  NA  747 132 394 69  1381    769 648 398 492 516 338 198 178 87  260 75  311 651 74  68  1757    144 210 192 186 157 94  234 63  177 81  119 818 477 26  70  487 55  49  49  60  62  117.86  83.4    59.2    108.34  119 818 477 26  70  487 55  49  49  60  62  117.86  83.4    59.2    108.34  271.35  432.14  41.63   59.57   94.83   72.81   37.66   73.6    485.05  188.94  291.14  57.5    102.29  153.82  105.01  198.26  183.46  269.87  12.23   94.9    106.88  117.28  57.37   103.23  342.29  429.89  48.49   111.39  245.22  360.74  80.65   205.1   36.76   203.96  143.32  74.33   282.45  349.66  384.84  238.24  317.86  315.65  291.01  185.21  353.33  160.33  160.31
"Preferred & Other" NA  NA  0   0   0   0   0   0   213 213 213 213 213 213 213 213 213 213 213 213 213 213 213 257 256 255 255 254 254 254 255 255 255 254 255 255 252 252 253 254 255 221 222 221 221.47  221.13  221.2   220.79  254 255 255 252 252 253 254 255 221 222 221 221.47  221.13  221.2   220.79  222.09  212.56  249.61  212.56  249.61  212.56  212.56  212.56  249.61  212.56  212.56  212.56  249.61  318.02  318.02  318.02  318.02  322.34  322.42  322.54  322.65  322.74  322.77  322.84  639.92  639.98  640.13  640.24  640.31  640.39  640.47  640.54  640.73  640.89  640.95  641.09  641.25  645.87  634.99  635.05  635.18  637.51  637.73  638.05  638.15  640.53  640.77
"Total Debt"    NA  NA  12379   11982   11309   11111   11873   11073   10675   10676   10678   11144   10683   11526   11020   11027   10599   10773   10366   10699   10094   9751    9480    9363    9282    9213    8653    8943    8815    8968    8487    8162    8205    7687    7868    7498    7219    7245    7336    7432    7094    6968    6682    7000    6841.23 6584.25 6374.14 6264.74 7687    7868    7498    7219    7245    7336    7432    7094    6968    6682    7000    6841.23 6584.25 6374.14 6264.74 6234.03 6249.6  6448.51 6100.6  6011.55 5693.56 5536.13 5276.01 5449.52 4792.08 4881.68 4471.08 4312.4  4410.61 4480.08 4437.33 4758.17 4432.04 4532.28 4466.59 4387.54 4313.86 4316.43 4316.66 4146.02 4175.36 4082.33 4085.09 4089.16 4116.98 3970.11 3972.46 3827.89 3850.12 3927.94 3722.68 3709.36 3804.58 3658.69 3885.52 3667.45 3734.29 3737    3615.16 3492.38 3374.62 3229.81
"Enterprise Value"  NA  NA  28714.69    29729.8 27181.11    28582.1 28706.39    27414.13    28407.87    27191.24    25991.71    25665.06    25013.42    25226.56    23223.31    23703.1 23323.45    22184.2 20552.48    21124.21    20888.99    21646.74    18607.37    20294.32    22616.42    21834.8 20943.79    22253.51    21350.92    20842.12    19621.65    18929.79    19743.1 19709.9 18731.1 17525.34    18054.99    17594.51    16702.1 17632.68    17013.38    16324.3 16574.33    15408.64    16105.45    15308.35    15430.68    15286   19709.9 18731.1 17525.34    18054.99    17594.51    16702.1 17632.68    17013.38    16324.3 16574.33    15408.64    16105.45    15308.35    15430.68    15286   14751.46    14671.06    15101.34    14121.44    14329.37    13071.51    11990.59    11588.31    12590.55    13864.46    14898.46    14977.66    16770.77    16580.82    15478.67    15566.25    14547.82    12474.62    11760.98    11744.46    11447.51    11040.07    11454.93    12025.88    11903.5 11522.02    11604.35    11015.38    10533.05    10239.65    10754.35    11248.66    11961.09    12739.51    12673.05    12422.15    11700.18    11439.9 10458.04    10447.58    10520.58    9849.67 9705.29 9945.31 9169.17 8647.34 9072.61
"Total Revenue" 2896.75 3461.25 2818    3184    2901    3438    2771    3078    2915    3629    2993    3349    3140    3707    3017    3462    3273    3489    2845    3423    2998    3858    3149    3577    3228    3579    2957    3357    2649    3441    2555    3317    3107    3337    2395    2800    2181    2734    2164    2685    2279    2801    2176    2570    2057.03 2539.49 1848    2056    3337    2395    2800    2181    2734    2164    2685    2279    2801    2176    2570    2057.03 2539.49 1848    2056    1942.6  2627.56 2112.22 2886.26 2250.13 2820.78 2041.89 2318.59 1963.38 2346.24 1479.08 1776.59 1617.34 2061.62 1561.04 1853.05 1720.06 2011.03 1504.01 1886.15 1632.3  1920.34 1539.73 1867.36 1528.38 1879.88 1459.85 1668.79 1461.25 1821.99 1392.09 1697.76 1483.61 1799.69 1396.01 1586.08 1478.81 1717.88 1280.11 1456.11 1342.73 1720.3  1330.65 1479.39 1367.21 1613.83 1263.27
"Growth % YoY"  -0.15   0.68    1.7 3.44    -0.48   -5.26   -7.42   -8.09   -7.17   -2.1    -0.8    -3.26   -4.06   6.25    6.05    1.14    9.17    -9.56   -9.65   -4.31   -7.13   7.8 6.49    6.55    21.86   4.01    15.73   1.21    -14.74  3.12    6.68    18.46   42.46   22.06   10.67   4.28    -4.3    -2.39   -0.55   4.47    10.79   10.3    17.75   25  5.89    -3.35   -12.51  -28.77  22.06   10.67   4.28    -4.3    -2.39   -0.55   4.47    10.79   10.3    17.75   25  5.89    -3.35   -12.51  -28.77  -13.67  -6.85   3.44    24.48   14.6    20.23   38.05   30.51   21.4    13.81   -5.25   -4.13   -5.97   2.52    3.79    -1.75   5.38    4.72    -2.32   1.01    6.8 2.15    5.47    11.9    4.59    3.18    4.87    -1.71   -1.51   1.24    -0.28   7.04    0.32    4.76    9.05    8.93    10.13   -0.14   -3.8    -1.57   -1.79   6.6 5.33    -1.02   NA  NA  NA
"Gross Profit"  NA  NA  1874    2080    1981    2393    1934    1993    1846    2244    1794    2000    1942    2103    1723    1826    1700    1979    1558    1551    1459    1531    1420    1588    1478    1595    1317    1506    1273    1554    1202    1322    1179    1460    1097    1217    916 1285    980 1169    1066    1349    975 1157    1024.93 1317.57 980 1091    1460    1097    1217    916 1285    980 1169    1066    1349    975 1157    1024.93 1317.57 980 1091    1052.71 1368.8  1091.61 1236.41 991.8   1374.86 1043.29 1236.87 1129.87 1507.31 998.19  1190.69 1151.22 1475.08 1025.84 1170.8  1115.9  1438.56 981.96  1159.37 1094.25 1401.25 1001.2  1198.64 1079.65 1405.45 984.46  1196.22 1086.13 1415.37 998.06  1177.1  1086.53 1381.01 971.41  1118.91 1055.19 1331.37 947.22  1036.88 991.58  1301.1  921.48  994.97  967.89  1217.32 848.39
"Margin %"  NA  NA  66.5    65.33   68.29   69.6    69.79   64.75   63.33   61.84   59.94   59.72   61.85   56.73   57.11   52.74   51.94   56.72   54.76   45.31   48.67   39.68   45.09   44.39   45.79   44.57   44.54   44.86   48.06   45.16   47.05   39.86   37.95   43.75   45.8    43.46   42  47  45.29   43.54   46.77   48.16   44.81   45.02   49.83   51.88   53.03   53.06   43.75   45.8    43.46   42  47  45.29   43.54   46.77   48.16   44.81   45.02   49.83   51.88   53.03   53.06   54.19   52.09   51.68   42.84   44.08   48.74   51.09   53.35   57.55   64.24   67.49   67.02   71.18   71.55   65.72   63.18   64.88   71.53   65.29   61.47   67.04   72.97   65.02   64.19   70.64   74.76   67.44   71.68   74.33   77.68   71.7    69.33   73.24   76.74   69.58   70.55   71.35   77.5    74  71.21   73.85   75.63   69.25   67.26   70.79   75.43   67.16
"EBITDA"    758 1074    641 777 699 1091    711 794 684 978 617 844 708 916 640 696 625 885 569 611 567 586 520 702 596 715 510 694 547 670 467 564 423 717 411 533 274 624 367 497 458 669 334 485 388.44  693.3   384 487 717 411 533 274 624 367 497 458 669 334 485 388.44  693.3   384 487 445 695.27  439.32  538.75  377.16  666.39  492.65  526.86  446.87  748.34  331.51  492.91  430.87  760.5   313.33  474.78  434.79  751.92  280.96  463.41  390.79  712.97  313.14  490.27  368.26  711.24  307.36  506.85  383.64  721.41  317.3   474.34  363.04  678.27  279.09  400.41  320.03  637.82  281.47  340.21  297.39  610.07  247.48  300.27  305.15  561.67  203.06
"Margin %1" 26.17   31.03   22.75   24.4    24.1    31.73   25.66   25.8    23.46   26.95   20.61   25.2    22.55   24.71   21.21   20.1    19.1    25.37   20  17.85   18.91   15.19   16.51   19.63   18.46   19.98   17.25   20.67   20.65   19.47   18.28   17  13.61   21.49   17.16   19.04   12.56   22.82   16.96   18.51   20.1    23.88   15.35   18.87   18.88   27.3    20.78   23.69   21.49   17.16   19.04   12.56   22.82   16.96   18.51   20.1    23.88   15.35   18.87   18.88   27.3    20.78   23.69   22.91   26.46   20.8    18.67   16.76   23.62   24.13   22.72   22.76   31.9    22.41   27.74   26.64   36.89   20.07   25.62   25.28   37.39   18.68   24.57   23.94   37.13   20.34   26.25   24.09   37.83   21.05   30.37   26.25   39.59   22.79   27.94   24.47   37.69   19.99   25.25   21.64   37.13   21.99   23.36   22.15   35.46   18.6    20.3    22.32   34.8    16.07
"Net Income Before XO"  214.5   410 172 192 207 440 214 280 193 386 168 314 236 353 186 229 205 339 153 183 163 185 283 303 209 313 154 261 205 234 129 183 148 290 121 184 55  253 92  158 50  260 69  157 123.03  286.54  101 169 290 121 184 55  253 92  158 50  260 69  157 123.03  286.54  101 169 128.51  280.74  104.07  182.51  49.48   283.27  72.14   191.53  124.96  339.41  69.8    180.05  135.23  351.55  66.51   176.45  143.61  355.04  47.56   166.61  120.15  327.99  71.42   188.48  113.12  333.3   76.4    201.03  117.88  339.87  87.21   189.31  117.29  324.84  62.45   153.94  100.63  309.44  77.54   116.48  92.2    303.36  64.65   106.7   121.1   263.26  49.06
"Margin %2" 7.4 11.85   6.1 6.03    7.14    12.8    7.72    9.1 6.62    10.64   5.61    9.38    7.52    9.52    6.17    6.61    6.26    9.72    5.38    5.35    5.44    4.8 8.99    8.47    6.47    8.75    5.21    7.77    7.74    6.8 5.05    5.52    4.76    8.69    5.05    6.57    2.52    9.25    4.25    5.88    2.19    9.28    3.17    6.11    5.98    11.28   5.47    8.22    8.69    5.05    6.57    2.52    9.25    4.25    5.88    2.19    9.28    3.17    6.11    5.98    11.28   5.47    8.22    6.62    10.68   4.93    6.32    2.2 10.04   3.53    8.26    6.36    14.47   4.72    10.13   8.36    17.05   4.26    9.52    8.35    17.65   3.16    8.83    7.36    17.08   4.64    10.09   7.4 17.73   5.23    12.05   8.07    18.65   6.26    11.15   7.91    18.05   4.47    9.71    6.8 18.01   6.06    8   6.87    17.63   4.86    7.21    8.86    16.31   3.88
"Adjusted EPS"  0.7 1.42    0.59    1.07    0.69    1.44    0.61    1.01    0.74    1.33    0.57    0.99    0.69    1.32    0.51    0.93    0.67    1.16    0.48    0.78    0.72    0.98    0.42    0.87    0.71    1.2 0.58    1.03    0.78    0.92    0.51    0.86    0.59    1.17    0.48    0.75    0.49    1.08    0.38    0.69    0.65    1.16    0.29    0.72    0.56    1.33    0.46    0.78    1.17    0.48    0.75    0.49    1.08    0.38    0.69    0.65    1.16    0.29    0.72    0.56    1.33    0.46    0.78    0.59    1.3 0.48    0.84    0.52    1.4 0.33    0.88    0.57    1.5 0.3 0.76    0.56    1.49    0.26    0.73    0.59    1.49    0.18    0.69    0.49    1.38    0.28    0.78    0.44    1.38    0.29    0.82    0.47    1.41    0.33    0.77    0.46    1.35    0.23    0.62    0.39    1.3 0.3 0.47    0.36    1.29    0.24    0.43    0.49    1.11    0.18
"Growth % YoY1" 0.72    -1.67   -3.28   5.94    -6.76   8.27    7.02    2.02    7.25    0.76    11.76   6.45    2.99    13.79   6.25    19.23   -6.94   18.37   14.29   -10.34  1.41    -18.33  -27.59  -15.53  -8.97   30.43   13.73   19.77   32.2    -21.37  6.25    14.67   20.41   8.33    26.32   8.7 -24.62  -6.9    31.03   -4.17   16.07   -12.78  -36.96  -7.69   -5.08   2.31    -4.17   -7.14   8.33    26.32   8.7 -24.62  -6.9    31.03   -4.17   16.07   -12.78  -36.96  -7.69   -5.08   2.31    -4.17   -7.14   13.46   -7.14   45.45   -4.55   -8.77   -6.67   10  15.79   1.79    0.67    13.64   4.11    -5.08   -0.07   44.44   5.89    20.41   8.05    -34.72  -11.62  11.36   0   -3.45   -4.88   -6.38   -2.13   -12.12  6.49    2.17    4.44    43.48   24.19   17.95   3.85    -23.33  31.91   8.33    0.78    25  9.3 -26.53  16.22   33.33   -23.21  NA  NA  NA
"Cash from Operations"  375.79  812.21  991 -84 961 391 845 402 976 572 1227    362 1407    179 794 1   997 26  798 645 581 -1237   733 563 630 109 346 481 710 -162    224 593 177 581 -346    389 525 164 490 152 766 218 492 -58 735.49  285 369 146 581 -346    389 525 164 490 152 766 218 492 -58 735.49  285 369 146 490.18  387.73  254.59  141.41  215.82  279.84  489.5   199.17  -325.31 -66.66  280.22  256.65  718.82  438.66  302.05  244.37  -52.38  647.78  53.19   258.9   294.29  359.1   267.8   184.51  310.07  585.52  233.75  145.31  426.63  480.57  187.86  270.34  236.08  472.92  243.13  69.8    261.19  291.41  285.57  77.33   283.64  328.4   309.68  11.95   357.21  141.59  357.15
"Capital Expenditures"  NA  NA  -660    -676    -608    -478    -635    -523    -542    -503    -629    -460    -599    -548    -551    -465    -719    -531    -595    -529    -785    -584    -608    -547    -638    -519    -485    -482    -583    -480    -537    -420    -619    -385    -426    -390    -431    -439    -308    -373    -448    -356    -404    -317    -593.69 -310    -392    -340    -385    -426    -390    -431    -439    -308    -373    -448    -356    -404    -317    -593.69 -310    -392    -340    -302.22 -394.08 -274.8  -228.02 -75.57  -274.36 -684.94 -207.41 -211.95 -218.98 -157.07 -127.56 -210.59 -156.81 -150.58 -127.3  -226.32 -145.55 -171.37 -140.37 -244.12 -167.92 -185.35 -142.94 -239.55 -165.98 -166.25 -147.38 0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
"Free Cash Flow"    NA  NA  331 -760    353 -87 210 -121    434 69  598 -98 808 -369    243 -464    278 -505    203 116 -204    -1821   125 16  -8  -410    -139    -1  127 -642    -313    173 -442    196 -772    -1  94  -275    182 -221    318 -138    88  -375    141.79  -25 -23 -194    196 -772    -1  94  -275    182 -221    318 -138    88  -375    141.79  -25 -23 -194    187.96  -6.35   -20.21  -86.61  140.26  5.47    -195.45 -8.24   -537.26 -285.64 123.15  129.09  508.23  281.85  151.46  117.07  -278.7  502.23  -118.18 118.53  50.17   191.18  82.45   41.57   70.51   419.54  67.49   -2.08   426.63  480.57  187.86  270.34  236.08  472.92  243.13  69.8    261.19  291.41  285.57  77.33   283.64  328.4   309.68  11.95   357.21  141.59  357.15
"Adjusted Price"    2094.66 3689.2  3805.62 3588.42 3582.4  3885.75 3523.13 3554.9  3420.27 3141.36 2984.19 2838.81 2760.09 2517.44 2447.56 2403.89 2188.98 1960.8  1952.2  2033.87 2099.97 1993.98 2043.36 2296.42 2201.73 2277.15 2301.5  2203.47 2086.87 1938.95 2019.34 2002.47 2048.12 1881.97 1817.17 1807.02 1664.57 1659.78 1717.25 1585.27 1589.9  1506.13 1534.98 1531.24 1498.21 1528.96 1418.46 1431.1  1343.43 1244.04 1194.62 1076.93 1058.66 960.76  1112.69 1322.69 1414.59 1442.28 1545.6  1364.27 1305.46 1231.15 1022.23 869.37  796.9   820.22  762.84  715.9   756.11  816.37  731.97  705.73  657.84  628.55  571.47  624.67  651.89  676.63  759.77  742.27  734.39  657.44  619.61  569.84  524.2   510.26  475.43  449.8   441.27  409.34  383 413.34  441.72  435.71  419.07  385.87  356.85  346.15  326.97  318.45  323.72  314.18  313.22  300.88  329.3   315.1   312.34  279.11  163.47  NA

较大的块可以完美地工作,但是我需要能够检查较小部分的相关性。我对R真的很陌生,所以可能很容易,但是我已经阅读了这里的开发板和r手册,但找不到。

袜子

在上面的示例中,您的代码在第一个(较小的)数据集上失败,因为行3仅由0和NA组成,因此它的标准偏差为0,因此它与其他任何行的相关性都将返回NA,因为计算相关性涉及用样本协方差除以每个向量的样本标准差。在较大的示例中不会发生这种情况,因为第3行的变化量足以使标准偏差为非零。

但是,您的方法似乎有些复杂。如果要计算矩阵中的单个行与所有其他行之间的相关性(按相关性排序),则可以cor()在转置矩阵上使用并对结果进行排序,例如:

mycor <- function(dataset, relative.to=19) {
  mat <- t(dataset)
  cors <- cor(mat, mat[, relative.to], use="na.or.complete")
  cors[order(drop(cors)), ]
}
mycor(dataset)

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

rcorr 在 cor 完美工作的地方给出错误(需要相关矩阵的 p 值)

来自分类Dev

C-矩阵上的打印值错误

来自分类Dev

矩阵相乘在CUDA上给出错误结果

来自分类Dev

将小矩阵中的值分配给大矩阵中的指定位置

来自分类Dev

在矩阵上分配值

来自分类Dev

MATLAB:使用小矩阵的元素高效构造大矩阵

来自分类Dev

Python在大的里面添加小矩阵

来自分类Dev

矩阵结构给出错误的输出

来自分类Dev

在MATLAB上验证矩阵值

来自分类Dev

使用imp4p软件包impute.slsa函数进行的缺失值插补错误:fast_apply_sd_na_rm_T(xincomplete1,1)中的错误:不是矩阵

来自分类Dev

sphinxsearch 给出缺少属性的错误

来自分类Dev

跨行求和矩阵而不是求和矩阵的位置值?

来自分类Dev

用R中该矩阵中不同行的值填充矩阵中的缺失值

来自分类Dev

使用Numpy将零添加到矩阵的缺失值

来自分类Dev

使用Numpy将零添加到矩阵的缺失值

来自分类Dev

如何重塑矩阵并将缺失值填充为 0

来自分类Dev

大Numpy矩阵上的Pearson相关

来自分类Dev

大矩阵上的熊猫交叉表?

来自分类Dev

Python:如何将4个小矩阵合并为一个大矩阵

来自分类Dev

如何从一个大矩阵中随机选择多个小的且不重叠的矩阵?

来自分类Dev

Python numpy:矩阵乘法给出错误的结果

来自分类Dev

GLM矩阵乘法矢量给出错误的结果

来自分类Dev

本征中的稀疏矩阵乘法给出错误的结果?

来自分类Dev

Lejos在初始化矩阵时给出了错误

来自分类Dev

Python numpy:矩阵乘法给出错误的结果

来自分类Dev

使用矩阵旋转多维数据集给出错误的结果

来自分类Dev

savig 矩阵输出给出 zip 参数错误

来自分类Dev

mkl:无效值错误求和稀疏矩阵

来自分类Dev

计算矩阵元素总和时的值错误

Related 相关文章

  1. 1

    rcorr 在 cor 完美工作的地方给出错误(需要相关矩阵的 p 值)

  2. 2

    C-矩阵上的打印值错误

  3. 3

    矩阵相乘在CUDA上给出错误结果

  4. 4

    将小矩阵中的值分配给大矩阵中的指定位置

  5. 5

    在矩阵上分配值

  6. 6

    MATLAB:使用小矩阵的元素高效构造大矩阵

  7. 7

    Python在大的里面添加小矩阵

  8. 8

    矩阵结构给出错误的输出

  9. 9

    在MATLAB上验证矩阵值

  10. 10

    使用imp4p软件包impute.slsa函数进行的缺失值插补错误:fast_apply_sd_na_rm_T(xincomplete1,1)中的错误:不是矩阵

  11. 11

    sphinxsearch 给出缺少属性的错误

  12. 12

    跨行求和矩阵而不是求和矩阵的位置值?

  13. 13

    用R中该矩阵中不同行的值填充矩阵中的缺失值

  14. 14

    使用Numpy将零添加到矩阵的缺失值

  15. 15

    使用Numpy将零添加到矩阵的缺失值

  16. 16

    如何重塑矩阵并将缺失值填充为 0

  17. 17

    大Numpy矩阵上的Pearson相关

  18. 18

    大矩阵上的熊猫交叉表?

  19. 19

    Python:如何将4个小矩阵合并为一个大矩阵

  20. 20

    如何从一个大矩阵中随机选择多个小的且不重叠的矩阵?

  21. 21

    Python numpy:矩阵乘法给出错误的结果

  22. 22

    GLM矩阵乘法矢量给出错误的结果

  23. 23

    本征中的稀疏矩阵乘法给出错误的结果?

  24. 24

    Lejos在初始化矩阵时给出了错误

  25. 25

    Python numpy:矩阵乘法给出错误的结果

  26. 26

    使用矩阵旋转多维数据集给出错误的结果

  27. 27

    savig 矩阵输出给出 zip 参数错误

  28. 28

    mkl:无效值错误求和稀疏矩阵

  29. 29

    计算矩阵元素总和时的值错误

热门标签

归档