如何在R语言中按变量分组后计算组间列的相关性？

核心思路 #

先将分组后的目标列转换为宽格式（每个组作为一列），再计算列间的相关性，最后整理为表格形式输出。以下结合你的现有代码prep_cor，分两种场景给出解决方案：

场景1：计算指定两组的相关性 #

比如你需要计算Sheet组中"A"与"B"的BLUE列相关性（对应你例子中2000年与2010年的Var列相关）：

library(tidyverse)
library(broom)

# 提取指定组数据并转换为宽格式（行对齐保证数据匹配）
target_cor_data <- prep_cor %>%
  filter(Sheet %in% c("A", "B")) %>%  # 替换为你需要的组名/年份
  mutate(row_id = row_number()) %>%   # 添加行ID确保两组行对齐
  pivot_wider(names_from = Sheet, values_from = BLUE) %>%
  select(-row_id)

# 计算相关性并转为表格
specific_cor_result <- cor(target_cor_data, use = "pairwise.complete.obs") %>%
  tidy() %>%
  filter(row == "A" & column == "B")  # 筛选目标组的相关结果

# 输出表格
print(specific_cor_result)

场景2：计算所有组两两之间的相关性表格 #

如果需要输出所有Sheet组间BLUE列的两两相关系数表格：

# 将分组数据转为宽格式
wide_group_data <- prep_cor %>%
  mutate(row_id = row_number()) %>%
  pivot_wider(names_from = Sheet, values_from = BLUE) %>%
  select(-row_id)

# 计算全量相关矩阵并转为整洁表格
all_pair_cor <- cor(wide_group_data, use = "pairwise.complete.obs") %>%
  tidy() %>%
  arrange(row, column)

# 可选：转为宽表格更直观展示
all_pair_cor_wide <- all_pair_cor %>%
  pivot_wider(names_from = column, values_from = estimate)

# 输出结果
print(all_pair_cor_wide)

适配你的原始例子（Year分组+Var列） #

如果是按Year分组，计算2000与2010年Var列的相关性，只需替换对应变量名：

# 基于原始数据的预处理（对应你的prep_cor逻辑）
prep_cor_year <- original_df %>%
  group_by(Year) %>%
  slice_sample(n=600) %>%
  arrange(Year, desc(Var))

# 计算2000 vs 2010的相关性
cor_year_result <- prep_cor_year %>%
  filter(Year %in% c(2000, 2010)) %>%
  mutate(row_id = row_number()) %>%
  pivot_wider(names_from = Year, values_from = Var) %>%
  select(-row_id) %>%
  cor(use = "pairwise.complete.obs") %>%
  tidy() %>%
  filter(row == 2000 & column == 2010)

print(cor_year_result)

关键说明 #

• mutate(row_id = row_number())：因为你每组抽样了600行，添加行ID可以保证转宽格式时两组数据严格对齐，避免错位。
• use = "pairwise.complete.obs"：自动跳过缺失值，仅使用两组都有有效数据的行计算相关性。
• broom::tidy()：将传统的相关矩阵转换为符合tidy data标准的表格，方便后续分析或导出。

内容的提问来源于stack exchange，提问作者R_B