R语言：如何按Type和Date分组计算不同ID的revenue相关性？

首先需要明确：你的数据中每个type+date分组下，每个ID仅对应1个revenue值，而计算两个变量的相关性至少需要2个及以上的配对观测值，因此按type+date分组无法得到有效相关系数（仅单个数据点时，cor()函数会返回NA）。

如果你的实际需求是按type分组，计算同一类型下不同ID的revenue时间序列相关性（即基于多个共同日期的观测值计算），可以用以下方法实现：

代码实现 #

library(tidyverse)

# 1. 按type分组，将不同ID的revenue按日期对齐为宽格式
type_cor_result <- df %>%
  group_by(type) %>%
  pivot_wider(names_from = ID, values_from = revenue) %>%
  # 2. 对每个type计算ID间的相关矩阵
  summarise(cor_matrix = list(cor(select(., -date), use = "pairwise.complete.obs"))) %>%
  # 3. 将相关矩阵转换为长格式表格
  mutate(cor_df = map(cor_matrix, ~ as.data.frame(.x) %>% 
                        rownames_to_column("row_ID") %>% 
                        pivot_longer(-row_ID, names_to = "col_ID", values_to = "correlation"))) %>%
  unnest(cor_df) %>%
  # 转换ID为数值类型（可选）
  mutate(across(c(row_ID, col_ID), as.numeric))

# 可选：转换为以ID为行/列的宽格式表格
type_cor_wide <- type_cor_result %>%
  pivot_wider(names_from = col_ID, values_from = correlation, id_cols = c(type, row_ID))

结果说明 #

• 对于type=1，ID1和ID2有2个共同日期（2023-02-01、2023-03-01）的观测值，计算得到的相关系数为-1（完全负相关）。
• type=2仅包含ID3，无其他ID可计算相关性，因此无对应结果。

如果确实需要按type+date分组，你需要补充数据，确保每个分组下每个ID有至少2个观测值，否则无法得到有意义的相关系数。

内容的提问来源于stack exchange，提问作者annyeong