计算两个数据框的列间Spearman相关性报错：维度不兼容

报错的直接原因是两个数据框行数不匹配：expr.cor有1118行，mval.cor仅525行。cor()函数要求输入的两个向量长度完全一致，按列提取后两个向量维度不兼容，因此触发报错。

要计算对应列的Spearman相关，必须先让两个数据框的行数对齐，以下是两种常用处理方式：

1. 按行名匹配（适用于行名代表相同观测/样本的场景） #

如果两个数据框的行名是对应相同的观测标识，先提取行名交集，再筛选数据框：

# 获取两个数据框共有的行名
common_rows <- intersect(rownames(expr.cor), rownames(mval.cor))
# 基于共同行名筛选数据框，实现行对齐
expr_aligned <- expr.cor[common_rows, ]
mval_aligned <- mval.cor[common_rows, ]
# 重新计算列间Spearman相关
cr.corr <- sapply(seq(ncol(expr_aligned)), function(i) {
  cor(expr_aligned[, i], mval_aligned[, i], method = "spearman")
})

2. 截断行数（仅当行顺序严格一一对应时使用） #

如果两个数据框的行是按顺序完全对应的，只是其中一个多了部分行，可以将较长的数据框截断到较短的行数：

# 取两个数据框中的最小行数作为统一长度
min_rows <- min(nrow(expr.cor), nrow(mval.cor))
# 截断数据框
expr_truncated <- expr.cor[1:min_rows, ]
mval_truncated <- mval.cor[1:min_rows, ]
# 计算列间相关
cr.corr <- sapply(seq(ncol(expr_truncated)), function(i) {
  cor(expr_truncated[, i], mval_truncated[, i], method = "spearman")
})

注意：这种方式仅当行顺序完全对应时有效，否则计算结果无实际意义。

如果两个数据框的行没有明确的对应关系，这种列间成对相关的计算逻辑本身不成立，需要重新梳理数据的匹配规则。

内容的提问来源于stack exchange，提问作者Anon