如何创建仅包含大于0数值的correlation matrix子集？

初始代码（带中文注释） #

set.seed(123) # 设置随机种子，确保结果可复现
data <- matrix(runif(100, min = 0, max = 1), nrow = 10) # 生成10×10的0-1随机数矩阵
data[, 1] <- 0   # 将第1列全部设为0
data[, 5] <- 0   # 将第5列全部设为0
data[, 7] <- 0   # 将第7列全部设为0
data[, 8] <- 0   # 将第8列全部设为0
df <- as.data.frame(data) # 转换为数据框格式
correlation_matrix <- cor(df) # 计算变量间的相关系数矩阵
correlation_matrix <- (correlation_matrix + 1) / 2 # 将相关系数归一化到0-1区间
correlation_matrix[is.na(correlation_matrix)] <- 0 # 将矩阵中的NA值替换为0

提取仅大于0数值的两种常用方式 #

方式1：保留原矩阵结构，仅保留符合条件的值

这种方法会维持矩阵的行列结构，仅将不满足>0条件的数值替换为NA，适合需要保留矩阵维度的场景：

# 创建仅含大于0值的矩阵子集（其余位置设为NA）
corr_subset_matrix <- correlation_matrix
corr_subset_matrix[corr_subset_matrix <= 0] <- NA

方式2：提取所有符合条件的数值及其行列位置（转为数据框）

如果需要单独提取所有大于0的数值，并保留它们对应的行列变量名称，可以转换为长格式数据框，方便后续分析或统计：

方法一：使用tidyverse工具包

# 先安装包（首次使用时执行）
# install.packages("tidyverse")
library(tidyverse)

# 转换为长格式并筛选大于0的数值
corr_subset_long <- correlation_matrix %>%
  as.data.frame() %>%
  rownames_to_column(var = "行变量") %>%
  pivot_longer(cols = -行变量, names_to = "列变量", values_to = "相关系数") %>%
  filter(相关系数 > 0)

方法二：使用基础R实现（无需额外包）

# 获取所有大于0的数值的位置索引
corr_indices <- which(correlation_matrix > 0, arr.ind = TRUE)
# 提取对应位置的数值
corr_values <- correlation_matrix[corr_indices]
# 组合成数据框
corr_subset_df <- data.frame(
  行变量 = rownames(correlation_matrix)[corr_indices[,1]],
  列变量 = colnames(correlation_matrix)[corr_indices[,2]],
  相关系数 = corr_values
)

内容的提问来源于stack exchange，提问作者alirazi