我有n列和r行的数据框。我想确定哪一列与第1列最相关，然后合计这两列。聚合列将被视为新列1。然后，从集合中删除最相关的列。因此，日期的大小将减少一列。然后，我重复该过程，直到数据帧result具有n列，第二列是两列的聚合，第三列是三列的聚合，以此类推。因此，我想知道是否有一种有效或更快速的方法以获得我想要的结果。我已经尝试过各种方法，但到目前为止还没有成功。有什么建议？
n <- 5
r <- 6
> df
X1 X2 X3 X4 X5
1 0.32 0.88 0.12 0.91 0.18
2 0.52 0.61 0.44 0.19 0.65
3 0.84 0.71 0.50 0.67 0.36
4 0.12 0.30 0.72 0.40 0.05
5 0.40 0.62 0.48 0.39 0.95
6 0.55 0.28 0.33 0.81 0.60
这是result应该是这样的：
> result
X1 X2 X3 X4 X5
1 0.32 0.50 1.38 2.29 2.41
2 0.52 1.17 1.78 1.97 2.41
3 0.84 1.20 1.91 2.58 3.08
4 0.12 0.17 0.47 0.87 1.59
5 0.40 1.35 1.97 2.36 2.84
6 0.55 1.15 1.43 2.24 2.57
尝试
for (i in 2:n) {
maxcor <- names(which.max(sapply(temp[,-1, drop=F], function(x) cor(temp[, 1], x) )))
result[,i] <- temp[,1] + temp[,maxcor]
temp[,1] <- result[,i] # Set result as new 1st column
temp[,maxcor] <- NULL # Remove column
}
造成此错误的原因是，在最后一次迭代中，子集temp产生单个向量，并且在这种情况下，标准R行为是将类从数据帧减少到向量，这导致sapply仅传递第一个元素，依此类推。
还有一条评论：当前，您使用的是最正的相关性，而不是最强的相关性，也可能是负相关性。确保这是您想要的。
要在评论中解决您的问题：请注意，可以通过避免重复计算来改进您的旧代码。例如，
mch <- match(c(max(cor(temp)[-1,1])),cor(temp)[,1])
包含cor(temp)两次命令。这意味着每个相关都被计算两次。替换为
cortemp <- cor(temp)
mch <- match(c(max(cortemp[-1,1])),cortemp[,1])
应该将初始代码行的计算负担减少一半。
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。
我来说两句