Un correctif verbatim de votre code est:
for (i in seq_along(myData)){
for(n in seq_along(myData)){
pcc = cor.test(myData[,i], myData[,n], method="pearson")
corr <- pcc$estimate
pval <- pcc$p.value
if(corr > .45 && pval < .05){
print(colnames(myData)[i])
print(colnames(myData)[n])
print (corr)
}
}
}
Mais vous n'épargnent pas tout cela, au lieu d'imprimer simplement à la console. Une autre approche:
myData <- mtcars # since I don't have your data
eg <- expand.grid(c1 = colnames(myData), c2 = colnames(myData), stringsAsFactors = FALSE)
eg <- eg[with(eg, c1 != c2),]
Voici maintenant une liste par paires complète des noms de colonnes:
head(eg)
# c1 c2
# 2 cyl mpg
# 3 disp mpg
# 4 hp mpg
# 5 drat mpg
# 6 wt mpg
# 7 qsec mpg
La majorité des travaux. Malheureusement, une chose souvent déroutante à propos de l'utilisation de sapply lorsqu'un vecteur est retourné est qu'il faut t ransposing pour le remettre en ligne avec la perception des dimensions attendues.
res <- t(sapply(seq_len(nrow(eg)), function(i) {
pcc <- cor.test(myData[[eg$c1[i]]], myData[[eg$c2[i]]], method = "pearson")
c(pcc$estimate, pcc$p.value)
}))
colnames(res) <- c("estimate", "p.value")
out <- cbind(eg, res)
Ce stocke tout, que vous n'avez pas besoin à long terme, mais vous pouvez facilement revenir en arrière et tout voir.
head(out)
# c1 c2 estimate p.value
# 2 cyl mpg -0.8521620 6.112687e-10
# 3 disp mpg -0.8475514 9.380327e-10
# 4 hp mpg -0.7761684 1.787835e-07
# 5 drat mpg 0.6811719 1.776240e-05
# 6 wt mpg -0.8676594 1.293959e-10
# 7 qsec mpg 0.4186840 1.708199e-02
À partir de là, vous pouvez filtrer et sortir.
head(out[ out$estimate > 0.45 & out$p.value < 0.05, ])
# c1 c2 estimate p.value
# 5 drat mpg 0.6811719 1.776240e-05
# 8 vs mpg 0.6640389 3.415937e-05
# 9 am mpg 0.5998324 2.850207e-04
# 10 gear mpg 0.4802848 5.400948e-03
# 14 disp cyl 0.9020329 1.802838e-12
# 15 hp cyl 0.8324475 3.477861e-09
(BTW: pas sûr si elle est intentionnelle, mais si vous voulez seulement « forte corrélation » qu'ils soient positifs ou négatif, vous devez changer pour:
out[ abs(out$estimate) > 0.45 & out$p.value < 0.05, ]
Il y a une certaine confusion au sujet ce que sont i et n Lorsque vous écrivez 'pcc = cor.test (i, n, méthode =" pearson ")' vous les traitez comme des colonnes de myData, mais quand vous écrivez 'print (colnames (myData) [i]) 'et' print (colnames (myData) [n]) 'vous les traitez comme s'ils étaient des index – G5W
Dans le premier passage de vos boucles,' i' se voit attribuer la première colonne du fichier data.frame en tant que vecteur complet; alors est 'n'; donc votre premier appel 'cor.test' est effectivement' cor.test (myData [, 1], myData [, 1], method = "pearson") '. Cela devrait convenir à votre valeur 'pcc'. Cependant, 'colnames (myData) [i]' n'a pas de sens, car il ne récupère pas le nom "nth" dans le vecteur des noms de colonnes. Peut-être que 'for (i dans seq_along (myData))' (même chose pour 'n') et' cor.test (myData [, i], myData [, n], ...) 'serait préférable? – r2evans
@ r2evans votre conseil a fait l'affaire, très apprécié. Si vous voulez l'écrire comme réponse, je peux le vérifier comme le bon. – SourPatchAdult