如何在R中迭代计算列表内数据框中编码者与锚定编码者的相关性？

示例数据 #

你手头的数据集结构如下，my_list包含多个记录编码者时长数据的dataframe：

file1 <- data.frame(coder=c("coder1", "coder1", "coder1", "coder1", 
                        "coder2","coder2",  "coder2", "coder2",
                        "anchor", "anchor", "anchor", "anchor"), 
                dur=c(120, 80, 60, 30, 257, 80, 55, 21, 130, 95, 60, 32))

file2 <- data.frame(coder=c("coder1", "coder1", "coder1", "coder1", 
                        "coder2","coder2",  "coder2", "coder2",
                        "anchor", "anchor", "anchor", "anchor"),
                dur=c(130, 95, 60, 32, 123, 80, 62, 14, 257, 80, 55, 21))

file3 <- data.frame(coder=c("coder1", "coder1", "coder1", "coder1", 
                        "coder2","coder2",  "coder2", "coder2",
                        "anchor", "anchor", "anchor", "anchor"),
                dur=c(32, 123, 80, 62, 130, 95, 60, 32, 123, 80, 62, 14))

my_list <- list(file1, file2, file3)

需求 #

对my_list中的每个dataframe，分别计算coder1、coder2的dur值与anchor的dur值的Spearman相关系数，最终生成包含以下列的结果表：

• comparison：对应每个文件的标识（如cor_test_F1）
• coder：编码者名称
• r：计算得到的相关系数

解决方案 #

方法1：使用tidyverse工具链 #

借助dplyr和purrr实现批量处理，代码简洁且可读性强：

library(tidyverse)

# 定义单个dataframe的处理逻辑
calculate_cor <- function(df, file_num) {
  # 提取锚定编码者的时长数据
  anchor_dur <- df %>% filter(coder == "anchor") %>% pull(dur)
  
  df %>%
    # 筛选目标编码者
    filter(coder %in% c("coder1", "coder2")) %>%
    group_by(coder) %>%
    # 计算Spearman相关系数
    summarise(
      r = cor.test(dur, anchor_dur, method = "spearman")$estimate,
      .groups = "drop"
    ) %>%
    # 添加文件标识列
    mutate(comparison = str_glue("cor_test_F{file_num}")) %>%
    # 调整列顺序
    select(comparison, coder, r)
}

# 遍历列表并合并所有结果
output <- imap_dfr(my_list, calculate_cor)

# 查看最终结果
output

方法2：使用基础R语法 #

无需加载额外包，通过lapply实现批量处理：

# 定义处理单个dataframe的函数
calculate_cor_base <- function(df, file_name) {
  # 提取锚定编码者的时长数据
  anchor_dur <- df$dur[df$coder == "anchor"]
  
  # 分别计算两个编码者与anchor的相关系数
  cor_coder1 <- cor.test(df$dur[df$coder == "coder1"], anchor_dur, method = "spearman")$estimate
  cor_coder2 <- cor.test(df$dur[df$coder == "coder2"], anchor_dur, method = "spearman")$estimate
  
  # 生成结果行
  data.frame(
    comparison = file_name,
    coder = c("coder1", "coder2"),
    r = c(cor_coder1, cor_coder2)
  )
}

# 生成每个文件的标识名称
file_labels <- paste0("cor_test_F", seq_along(my_list))

# 遍历列表并合并结果
output_base <- do.call(rbind, lapply(seq_along(my_list), function(i) {
  calculate_cor_base(my_list[[i]], file_labels[i])
}))

# 查看最终结果
output_base

两种方法都能生成符合预期格式的结果表，可根据个人编程习惯选择使用。

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