如何从不同data.frame中选取名称相似的列并计算相关系数？

一、精确匹配同名列 #

如果需要选取列名完全相同的列，可按以下步骤操作：

步骤1：获取共同列名 #

用intersect()函数提取两个数据框列名的交集：

# 定义示例数据
data1 <- data.frame(
  date = c('01-01-2011', '04-05-2011', '02-09-2021', '11-11-2011'),
  va1 = c(34,56,78,32),
  va2 = c(34,56,78,32)
)

data2 <- data.frame(
  mm = c('01-01-2011', '04-05-2011', '02-09-2021', '11-11-2011'),
  nnk = c(34,56,78,32),
  va2 = c(34,56,78,32)
)

# 提取共同列名
common_cols <- intersect(colnames(data1), colnames(data2))

步骤2：批量计算相关系数 #

可以用基础循环或purrr包批量处理：

# 基础循环方式
for(col in common_cols) {
  corr_value <- cor(data1[[col]], data2[[col]])
  cat("列", col, "的相关系数：", corr_value, "\n")
}

# purrr包生成结果列表（更简洁）
library(purrr)
corr_results <- map_dbl(common_cols, ~cor(data1[[.]], data2[[.]]))
names(corr_results) <- common_cols
corr_results

运行后输出：

列 va2 的相关系数： 1 
va2 
   1 

二、模糊匹配名称相似的列 #

如果需要匹配名称相似（含相同关键词、前缀/后缀一致或拼写接近）的列，可使用字符串匹配工具：

示例1：匹配含特定关键词的列 #

比如筛选列名包含"va"的列：

# 从两个数据框中筛选含"va"的列
data1_va_cols <- colnames(data1)[grep("va", colnames(data1))]
data2_va_cols <- colnames(data2)[grep("va", colnames(data2))]

# 按顺序匹配并计算相关系数
for(i in seq_along(data1_va_cols)) {
  col1 <- data1_va_cols[i]
  col2 <- data2_va_cols[i]
  corr_value <- cor(data1[[col1]], data2[[col2]])
  cat("列", col1, "与", col2, "的相关系数：", corr_value, "\n")
}

示例2：智能匹配拼写最相似的列 #

用stringdist包计算字符串距离，找到最匹配的列：

library(stringdist)

# 遍历data1的列，匹配data2中拼写最接近的列
for(col1 in colnames(data1)) {
  # 计算与data2所有列名的距离，取最小的那个
  dists <- stringdist(col1, colnames(data2), method = "jw")
  col2 <- colnames(data2)[which.min(dists)]
  
  # 仅对数值型列计算相关系数
  if(is.numeric(data1[[col1]]) && is.numeric(data2[[col2]])) {
    corr_value <- cor(data1[[col1]], data2[[col2]])
    cat("data1的", col1, "与data2的", col2, "的相关系数：", corr_value, "\n")
  }
}

内容的提问来源于stack exchange，提问作者Tpellirn