у меня есть эти данные
> a
a b c
1 1 -1 4
2 2 -2 6
3 3 -3 9
4 4 -4 12
5 5 -5 6
> b
d e f
1 6 -5 7
2 7 -4 4
3 8 -3 3
4 9 -2 3
5 10 -1 9
> cor(a,b)
d e f
a 1.0000000 1.0000000 0.1767767
b -1.0000000 -1.000000 -0.1767767
c 0.5050763 0.5050763 -0.6964286
Результат, который я хочу, это просто:
cor(a,d) = 1
cor(b,e) = -1
cor(c,f) = -0.6964286
Я бы, вероятно, лично просто использовал diag:
> diag(cor(a,b))
[1] 1.0000000 -1.0000000 -0.6964286
Но вы также можете использовать mapply:
> mapply(cor,a,b)
a b c
1.0000000 -1.0000000 -0.6964286
Первый ответ выше вычисляет все попарные корреляции, что нормально, если только матрицы не большие, а второй не работает. Насколько я могу судить, эффективные вычисления должны выполняться напрямую, например, этот код, заимствованный из пакета arrayMagic Bioconductor, эффективно работает для больших матриц:
> colCors = function(x, y) {
+ sqr = function(x) x*x
+ if(!is.matrix(x)||!is.matrix(y)||any(dim(x)!=dim(y)))
+ stop("Please supply two matrices of equal size.")
+ x = sweep(x, 2, colMeans(x))
+ y = sweep(y, 2, colMeans(y))
+ cor = colSums(x*y) / sqrt(colSums(sqr(x))*colSums(sqr(y)))
+ return(cor)
+ }
> set.seed(1)
> a=matrix(rnorm(15),nrow=5)
> b=matrix(rnorm(15),nrow=5)
> diag(cor(a,b))
[1] 0.2491625 -0.5313192 0.5594564
> mapply(cor,a,b)
[1] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
> colCors(a,b)
[1] 0.2491625 -0.5313192 0.5594564
mapply работает с фреймами данных, но не с матрицами. Это связано с тем, что во фреймах данных каждый столбец является элементом, а в матрицах каждая запись является элементом.
В ответе выше mapply(cor,as.data.frame(a),as.data.frame(b)) работает просто отлично.
set.seed(1)
a=matrix(rnorm(15),nrow=5)
b=matrix(rnorm(15),nrow=5)
diag(cor(a,b))
[1] 0.2491625 -0.5313192 0.5594564
mapply(cor,as.data.frame(a),as.data.frame(b))
V1 V2 V3
0.2491625 -0.5313192 0.5594564
Это намного эффективнее для больших матриц.
