在R语言中计算连续向量矩阵与二元向量矩阵的相关性

你可以直接使用R中的cor()函数来计算两个矩阵列之间的相关性，该函数默认计算Pearson相关系数，也支持Spearman等其他方法。

步骤1：确认矩阵构造正确 #

首先运行你提供的代码构造两个矩阵：

# 构造mat1
mat1.data <- c(-0.12, -0.09, -0.01, -0.2,  0.3,  0.1, 
               0.2, -0.5, -0.1,  0.7, -0.04, 0.02, -0.08,
               -0.2, -0.7, -0.26, -0.09, -0.04, 0.05,  0.01,
               -0.26, -0.36, -0.26, -0.05, -0.03, 0.02, -0.01,
               0.01, 0.01, -0.05)
mat1 <- matrix(mat1.data,nrow=6,ncol=5,byrow=TRUE)
rownames(mat1) <- paste0("cell", seq(1,6,1))
colnames(mat1) <- paste0("col", seq(1,5,1))

# 构造mat2
mat2.data <- c(0,1,0,0,0,
               1,0,0,0,0,
               0,0,1,0,0,
               0,0,0,1,0,
               1,0,0,0,0,
               0,0,0,0,1)
mat2 <- matrix(mat2.data,nrow=6,ncol=5,byrow=TRUE)
rownames(mat2) <- paste0("cell", seq(1,6,1))
colnames(mat2) <- paste0("var", seq(1,5,1))

步骤2：计算列间相关性 #

使用cor()函数直接计算：

# 计算Pearson相关系数（默认）
cor_matrix <- cor(mat1, mat2)

# 查看结果
print(cor_matrix)

结果说明 #

返回的cor_matrix是一个5×5的矩阵：

• 行对应mat1的列（col1到col5）
• 列对应mat2的列（var1到var5）
• 每个元素代表对应列之间的相关系数

其他相关性方法 #

如果需要计算Spearman秩相关系数，只需添加method参数：

# 计算Spearman相关系数
cor_matrix_spearman <- cor(mat1, mat2, method = "spearman")

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