如何让R函数自动识别Tenure_Category唯一值并批量计算相关矩阵

问题背景 #

原代码需要手动传入Tenure_Category的每个取值，才能计算对应分组的相关矩阵。希望优化为自动识别该列所有唯一值并逐个处理，无需手动传参。此前尝试的for循环无法运行，核心问题是循环中错误地使用test_survey[i]取值，而非遍历Tenure_Category的唯一值列表。

可行解决方案 #

方案1：修正For循环（基础写法） #

先提取所有唯一分组值，再遍历计算，同时用列表存储结果避免覆盖：

# 提取Tenure_Category的所有唯一值
tenure_groups <- unique(test_survey$Tenure_Category)
# 创建空列表存储每个分组的相关矩阵
cor_mats <- list()

for (group in tenure_groups) {
  # 筛选分组、选择目标列、删除缺失值
  fa_dataset <- test_survey %>% 
    dplyr::filter(Tenure_Category == group) %>% 
    dplyr::select(Proud:Respect) %>% 
    tidyr::drop_na()
  
  # 计算相关矩阵并存入列表，用分组名作为元素名称
  cor_mats[[group]] <- cor(fa_dataset)
}

方案2：使用purrr包（Tidyverse风格） #

借助purrr::map实现更简洁的遍历，适合熟悉Tidyverse的用户：

library(purrr)
library(dplyr)
library(tidyr)

# 提取唯一分组值
tenure_groups <- unique(test_survey$Tenure_Category)

# 遍历分组计算，自动生成结果列表并命名
cor_mats <- purrr::set_names(
  purrr::map(tenure_groups, ~{
    test_survey %>% 
      filter(Tenure_Category == .x) %>% 
      select(Proud:Respect) %>% 
      drop_na() %>% 
      cor()
  }),
  tenure_groups
)

方案3：分组拆分后计算（更贴合Tidyverse分组逻辑） #

用group_split直接按Tenure_Category拆分数据框，再批量计算：

library(dplyr)
library(purrr)
library(tidyr)

cor_mats <- test_survey %>% 
  # 仅保留需要的列
  select(Tenure_Category, Proud:Respect) %>% 
  # 删除含缺失值的行
  drop_na() %>% 
  # 按Tenure_Category拆分成多个数据框
  group_split(Tenure_Category) %>% 
  # 对每个分组去掉分类列后计算相关矩阵
  purrr::map(~cor(dplyr::select(.x, -Tenure_Category))) %>% 
  # 给列表元素命名
  purrr::set_names(unique(test_survey$Tenure_Category))

原循环错误原因 #

之前的循环中test_survey[i]是提取数据框的第i行，而非Tenure_Category的第i个唯一值。正确的做法是先通过unique(test_survey$Tenure_Category)获取所有分组值，再遍历这个列表。

内容的提问来源于stack exchange，提问作者user2845095