R语言cor.test报错：'x' must be a numeric vector问题求助

我需要计算最后一列subtype与所有160个连续特征的相关性，已经把subtype转为数值型向量，但运行cor.test时报错。

运行代码 #

meth.clin$subtype <- as.numeric(factor(meth.clin$subtype))
cor.test(meth.clin[1:(length(meth.clin)-1)], meth.clin$subtype, method=c("pearson", "kendall", "spearman"))

报错信息 #

Error in cor.test.default(meth.clin[1:(length(meth.clin) - 1)], meth.clin$subtype,  : 
  'x' must be a numeric vector

数据示例 #

> dput(meth.clin[1:3,])
structure(list(cg06145336 = c(0.698400609291698, 0.790132158590308, 
0.550081662355945), cg06271190 = c(0.569616475152962, 0.457882228677053, 
0.450976691516467), cg07774251 = c(0.361663286004057, 0.522791070712472, 
0.573303889093363), cg03357952 = c(0.894450335807706, 0.851505819719192, 
0.790762216275151), cg06803853 = c(0.903375573519773, 0.5001145883731, 
0.688423092994612), cg09096824 = c(0.859059843307218, 0.738021999655486, 
0.590548915449314), cg04179953 = c(0.940601044067159, 0.537596430895065, 
0.932058544251989), cg03495084 = c(0.521922873745378, 0.120295281760689, 
0.191923990498812), cg07300846 = c(0.0702138966387671, 0.472352424198037, 
0.593854171886745), cg09221960 = c(0.738057576716229, 0.727940124898699, 
0.950431661654865), cg07160932 = c(0.144308943089431, 0.487917711991972, 
0.609003405893677), cg06239131 = c(0.964523395105969, 0.569710508599057, 
0.659275506357312), cg07512361 = c(0.313691440919966, 0.937831740976645, 
0.855020236181183), cg05613116 = c(0.0543364071436909, 0.35166041533254, 
0.530707519376331), cg01890845 = c(0.0627827129543844, 0.487718812703245, 
0.151359885608746), cg00111335 = c(0.971661960467931, 0.541259958845565, 
0.924031174031174), cg00425213 = c(0.49453190722269, 0.331156061244557, 
0.554841926212681), cg09187695 = c(0.652882820940969, 0.203590017349526, 
0.912106415221418), subtype = c(4, 1, 2)), row.names = c("TCGA-Y8-A8S1-01", 
"TCGA-Y8-A8S0-01", "TCGA-Y8-A8RZ-01"), class = "data.frame")

报错原因 #

cor.test()的第一个参数要求是数值向量，但你传入的meth.clin[1:(length(meth.clin)-1)]是包含多列的data.frame，不符合函数的参数要求。要计算每个特征和subtype的相关性，需要对每个特征单独执行cor.test。

批量计算代码 #

可以用lapply遍历所有特征列，批量计算相关性，并把结果整理成易读的数据框：

# 提取所有特征列（排除最后一列subtype）
feature_cols <- meth.clin[, -ncol(meth.clin)]

# 批量计算每个特征与subtype的相关性（这里用spearman，可按需替换为pearson或kendall）
cor_results <- lapply(feature_cols, function(col) {
  test <- cor.test(col, meth.clin$subtype, method = "spearman")
  # 返回关键结果：特征名、相关系数、p值、使用方法
  data.frame(
    feature = names(feature_cols)[match(col, feature_cols)],
    cor_coef = test$estimate,
    p_value = test$p.value,
    method = test$method
  )
})

# 把列表合并为一个数据框
cor_results_df <- do.call(rbind, cor_results)

# 查看结果
head(cor_results_df)

说明 #

• 代码默认使用spearman方法，你可以根据分析需求修改method参数为"pearson"或"kendall"。
• 最终生成的cor_results_df包含每个特征的相关系数、p值和计算方法，方便后续筛选或进一步分析。

内容的提问来源于stack exchange，提问作者Anon