R语言计算两个数据框列间Pearson相关系数报错排查

报错原因 #

你调用findCorrelation(res)时犯了两个关键错误：

1. findCorrelation的输入必须是方形相关矩阵（用于分析同一数据集内变量间的相关性，筛选冗余变量），但你传入的res是用diag()提取的相关矩阵对角线元素，本质是一个向量，不符合函数输入要求。
2. 该函数的设计场景是处理单数据集的内部相关，不适用于两个不同数据集的列间相关分析。

正确实现方案 #

根据你的需求，分两种场景处理：

场景1：计算两个数据框对应列的Pearson相关系数，并筛选绝对值≥0.75的列对 #

你代码中计算对应列相关系数的部分是正确的（前提是两个数据框的行数一致，即样本数相同），只需替换错误的findCorrelation调用：

# 计算对应列的Pearson相关系数
res <- diag(cor(t(mrna.norm), t(protein), method="pearson"))
# 筛选相关系数绝对值≥0.75的列索引
sig_cor_cols <- which(abs(res) >= 0.75)
# 查看筛选结果
print(sig_cor_cols)
print(res[sig_cor_cols])

场景2：计算两个数据框所有列两两之间的Pearson相关系数，并筛选高度相关的列对 #

如果需要所有mRNA列和protein列的两两相关结果，直接保留完整相关矩阵后筛选：

# 计算所有列两两之间的Pearson相关系数
full_cor_matrix <- cor(t(mrna.norm), t(protein), method="pearson")
# 找出所有相关系数绝对值≥0.75的列对位置（arr.ind=TRUE返回行列索引）
sig_pairs <- which(abs(full_cor_matrix) >= 0.75, arr.ind = TRUE)
# 获取对应的相关系数值
sig_cor_values <- full_cor_matrix[sig_pairs]
# 查看结果
print(sig_pairs)
print(sig_cor_values)

额外注意事项 #

• 确保mrna.norm和protein的行数完全一致，因为cor(t(x), t(y))本质是计算样本维度的相关性（转置后原行变为样本，列变为特征），样本数不匹配会导致相关矩阵维度异常。
• 如果你的原始需求是筛选单数据集内的高度相关变量（比如筛选mRNA数据里冗余的基因），才适合用findCorrelation，此时需要传入该数据集的相关矩阵，示例：

# 筛选mrna.norm内部高度相关的基因
mrna_cor <- cor(mrna.norm, method="pearson")
sig_mrna_cols <- findCorrelation(mrna_cor, cutoff=0.75)

内容的提问来源于stack exchange，提问作者Anon